Resumen

El comercio electrónico de hoy está en auge, mientras que la categorización de productos no puede ser manejada mejor, especialmente para lograr la demanda de múltiples tareas. En este artículo, proponemos un modelo de aprendizaje multitarea basado en una CNN en paralelo con un BiLSTM optimizado por un mecanismo de atención como red de entrenamiento para el comercio electrónico. Los resultados mostraron que la tarea de clasificación rápida del comercio electrónico se realizó utilizando solo el 10% del total de productos. Los resultados experimentales muestran que la precisión de w-item2vec para la clasificación de productos puede acercarse al 50% con solo el 10% de los datos de entrenamiento. Ambos modelos superan significativamente a otros modelos en cuanto a precisión de clasificación.

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Comercio electrónico; Modelo de aprendizaje multitarea; CNN; BiLSTM; Mecanismo de atención; W-item2vec
• Keywords:E-commerce; Multitask learning model; CNN; BiLSTM; Attention mechanism; W-item2vec