題目

利用搜尋引擎與深度學習技術之線上購物產品分類方法 

摘要

    後疫情時代，消費者的購物習慣發生了顯著變化，對電子商務的依賴程度大幅提高。電商業者需要對大量產品進行準確的分類，以提升消費者的購物體驗和商家的營運效率。然而，產品資料的缺乏和分類規則的不一致性給自動化分類帶來了挑戰。特別是第三方金流平台，在缺少詳細的產品資訊下，將難以進行準確的產品分類進而無法進行儀表板等更進一步的分析。

本研究旨在開發一個適用於電商平台和第三方金流平台的產品分類模型，以解決產品分類不一致和資料不足的問題。研究方法包括從電商平台蒐集商品資料，使用外部資料獲取額外的產品資訊，並使用BERT模型進行詞嵌入，將搜尋結果轉換為向量表示。接著，使用LSTM模型進行訓練，並通過超參數調整和早停法來優化模型性能。實驗結果顯示，模型在多數類別上的表現良好，尤其是在書店、通訊、3C和食品類別上的準確率較高。整體而言，本研究建立的分類模型在測試集上的準確率達到 77.82%，通過對多個搜尋結果進行機率加總平均後，準確率進一步上升至80.57%。然而，部分類別如家電、居家、休閒和生活的分類效果仍有改進空間。本研究為電商平台提供了一個有效的產品分類解決方案，能夠提升消費者的購物體驗和商家的營運效率。