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.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Selección de cabeza de grupo y enrutamiento sintetizado para una red de sensores inalámbricos de dos niveles.
Artículo:
Estimación del ángulo de deslizamiento lateral basada en el filtro de Kalman ampliado
Artículo:
Un método rápido y robusto de extracción de fotogramas clave para la protección de los derechos de autor en vídeo
Artículo:
Control Predictivo Basado en Predicción de Potencia para la Gestión de Energía en Vehículos Terrestres y Aéreos con Motor de Turbina de Gas.
Artículo:
Modelo de métricas para complementar la evaluación de DevOps en empresas de software
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Libro:
Ergonomía en los sistemas de trabajo
Artículo:
La gestión de las relaciones con los clientes como característica de la alta rentabilidad empresarial
Artículo:
Los web services como herramienta generadora de valor en las organizaciones