Машинное обучение для решения задач классификации товаров в e-com сервисах

В существующей быстро развивающейся сфере электронной коммерции, как и в любом бизнесе, важную роль играет анализ конкурентов, результаты которого могут влиять на принятие бизнес-решений. Аналитика ассортимента в совокупности с данными конкурентов оказывает сильную поддержку коммерческому блоку, предоставляя рекомендации по ведению категорийного менеджмента. Данная работа направлена на создание алгоритма, который позволяет определять категорию товара по одному лишь названию, что позволяет классифицировать товары конкурентов в соотвествии с определенным категорийным деревом. В исследовании применяются реальные данные одного из крупнейших e-grocery сервиса. Были применены методы предобработки данных, эмбэдинги, а также CatBoost для создания, обучения и оценки моделей. Модель была успешно интегрирована в релевантные процессы компании, что позволяет экономить 33,5 человеко-часов при ручной разметке каждые 10 000 товаров. Кроме того, в ходе выполнения работы, были также исследованы методы, связанные с нейронными сетями, такие как, например, CNN, что повысило точность прогноза категории до 0,97 и определило их как самый эффективный способ реализации решения.