MULTI-OUTPUT HEADED ENSEMBLES FOR PRODUCT CLASSIFICATION

To provide a minimalist neural network architecture that benefits from the reduction of ensemble estimator variance and the fusion of several classifiers to classify products more efficiently, faster, and more accurately within catalogs, such as large e-commerce catalogs.SOLUTION: An item classification method using multi-output headed ensembles, includes: tokenizing one or more text input sequences into one or more first tokens within one or more first estimator threads; outputting one or more item classifications based on an output of the one or more first estimator threads; applying a backpropagation algorithm to update network weights connecting neural layers in the first estimator threads; defining an optimal setting of network parameters using cross-validation with respect to the first estimator thread; and mapping the one or more first tokens to an embedding space in the one or more first estimator threads.SELECTED DRAWING: Figure 1B 【課題】大規模な電子商取引カタログ等のカタログ内で商品をより効率的でより高速且つより正確に分類するため、アンサンブルの推定器分散の削減といくつかの分類器の融合との利点を得られる最小限主義的なニューラルネットワークアーキテクチャを提供する。【解決手段】マルチ出力ヘッド付きアンサンブルを使用するアイテム分類方法であって、１以上の第１の推定器スレッド内において１以上のテキスト入力シーケンスを１以上の第１トークンにトークン化し、１以上の第１推定器スレッドの出力に基づいて１以上のアイテム分類を出力し、第１推定器スレッドにおいてバックプロパゲーションアルゴリズムを適用しニューラル層を接続するネットワーク重みを更新し、第１推定器スレッドに関して交差検証を使用してネットワークパラメーターの最適な設定を定義し、１以上の第１推定器スレッド内において１以上の第１トークンを埋め込み空間にマッピングする。【選択図】図１Ｂ