LuanVan.vnLuận Văn
Gửi thư

Enhanced attention-based multimodal Deep Learning for product categorization on E-commerce platform

Đồ án tốt nghiệp · Đại học · năm 2024 · đề tài tham khảo

Loại tài liệuĐồ án tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảLê Việt Hưng
Người hướng dẫnNguyen Van Hieu
Cơ sở đào tạoTrường Đại học Bách khoa, Đại học Đà Nẵng
Năm2024
NguồnThư viện số Trường Đại học Bách khoa, Đại học Đà Nẵng · trang gốc

Tóm tắt

Labeling and classifying a large number of products is one of the key challenges that ecommerce managers face. Building an automatic model that can accurately classify products helps to optimize the consumer search experience and ensure that they can easily find the products that meet their needs. In this study, we propose an improved Multimodal Deep Learning Model, based on the attention mechanism. This model has the ability to significantly improve accuracy over both traditional Unimodal Deep Learning and Multimodal Deep Learning models. The accuracy of our proposed model reaches 91.18% in classifying 16 different product categories. Meanwhile, traditional Multimodal Deep Learning models only achieved a modest accuracy of 77.21%. This result not only improves the searchability and online shopping experience of consumers, but also makes a significant contribution to solving the challenge of product classification on e-commerce platforms
Bản toàn văn lưu tại thư viện Trường Đại học Bách khoa, Đại học Đà Nẵng

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.