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 liệu | Đồ án tốt nghiệp |
|---|---|
| Bậc học | Đại học |
| Ngành | Công nghệ thông tin |
| Tác giả | Lê Việt Hưng |
| Người hướng dẫn | Nguyen Van Hieu |
| Cơ sở đào tạo | Trường Đại học Bách khoa, Đại học Đà Nẵng |
| Năm | 2024 |
| Nguồn | Thư 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
- Smart agricultural system integrates deep learning
- Ứng dụng du lịch và chia sẻ trải nghiệm du lịch tích hợp AI nhận diện địa điểm
- Thiết kế hệ SCADA cho hệ thống BMS tích hợp bơm nước nóng sử dụng Heatpump
- Xây dựng website bán đồng hồ tích hợp hệ thống gợi ý
- Ứng dụng AI trong nhận dạng ảnh y tế nhận diện một số bệnh ngoài da
- Xây dựng website quản lý y tế học đường
- Xây dựng ứng dụng bán đồ trang trí
- Mô hình hóa và mô phỏng hệ thống điều khiển ổn định mức chất lỏng sử dụng bộ điều khiển PID và thực nghiệm sử dụng bộ điều khiển PLC S7-300
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.