Construcción de un pipeline de Machine Learning para la clasificación automática de productos mediante técnicas NLP
La categorización precisa de productos en comercio electrónico es fundamental para ofrecer una experiencia de compra satisfactoria. Dada la gran cantidad de productos disponibles y la complejidad de las categorías jerárquicas, resulta crucial desarrollar sistemas capaces de asignar automáticamente l...
| Autor: | |
|---|---|
| Tipo de documento: | dissertação |
| Data de publicação: | 2026 |
| País: | España |
| Recursos: | Universidad de Valladolid |
| Repositório: | UVaDOC. Repositorio Documental de la Universidad de Valladolid |
| OAI Identifier: | oai:dnet:uvadoc______::7aaef3f0c4724c9ac23136446c13dae0 |
| Acesso em linha: | https://uvadoc.uva.es/handle/10324/84482 |
| Access Level: | Acceso aberto |
| Palavra-chave: | NLP clásico Clasificación multiclase de productos Large language models |
| Resumo: | La categorización precisa de productos en comercio electrónico es fundamental para ofrecer una experiencia de compra satisfactoria. Dada la gran cantidad de productos disponibles y la complejidad de las categorías jerárquicas, resulta crucial desarrollar sistemas capaces de asignar automáticamente los productos a sus categorías correctas con alta precisión. En este trabajo se utiliza un marco comparativo basado en modelos de Procesamiento de Lenguaje Natural de tres generaciones, incluyendo modelos clásicos, small language models y large language models. evaluando modelos representativos de cada generación como LinearSVC, FastText, DistilBERT, DeBERTa y Qwen 2.5. Cada modelo se analiza en términos de precisión, recall, F1, eficiencia computacional y capacidad de generalización en una clasificación jerárquica de cuatro niveles: supergrupo, grupo, módulo y marca. Los experimentos realizados sobre conjuntos de datos de comercio electrónico muestran las fortalezas y limitaciones de cada enfoque y proporcionan recomendaciones prácticas para seleccionar el modelo más adecuado según los recursos y necesidades de cada plataforma. |
|---|