跨平台电子商务产品分类与重新分类：多模态分层分类方法
机器学习
2025-11-11 v2 人工智能
信息检索
摘要
本研究针对电子商务产品分类中的关键工业挑战——平台异构性和现有分类法结构限制——开发并部署了一种多模态分层分类框架。我们使用来自40个国际时尚电子商务平台的271,700个产品数据集，集成文本特征（RoBERTa）、视觉特征（ViT）以及联合视觉语言表示（CLIP）。我们研究了包括早期融合、晚期融合以及基于注意力机制的融合策略，这些策略在增强的分层架构中采用动态掩码以确保分类一致性。结果表明，采用通过MLP实现的CLIP嵌入的晚期融合策略在分层F1值（98.59%）上取得最佳成绩，优于单模态基线。为解决类别过浅或不一致的问题，我们进一步引入了基于SimCLR、UMAP和级联聚类的自监督式“产品重新分类”管道，发现了具有聚类纯度超过86%的新细粒度类别（例如“鞋类”的子类型）。跨平台实验揭示了部署相关的权衡：复杂的晚期融合方法在训练数据多样化时最大化准确率，而简单的早期融合方法对未见平台具有更好的泛化能力。最后，我们通过在EURWEB商业事务智能平台上部署框架，展示了框架的工业可扩展性，该平台采用两阶段推理管道，将轻量级RoBERTa阶段与GPU加速的多模态阶段结合，以平衡成本和准确率。
引用
@article{arxiv.2508.20013,
title = {Cross-Platform E-Commerce Product Categorization and Recategorization: A Multimodal Hierarchical Classification Approach},
author = {Lotte Gross and Rebecca Walter and Nicole Zoppi and Adrien Justus and Alessandro Gambetti and Qiwei Han and Maximilian Kaiser},
journal= {arXiv preprint arXiv:2508.20013},
year = {2025}
}
备注
Accetped at IEEE BigData 2025, 10 pages, 5 figures, 3 tables