11:18arXiv cs.LG@Vladimir Beskorovainyi精选本文研究如何将短、噪声、无标准编码的零售产品描述自动映射到消费分类(如UN COICOP),以支持消费者价格测量。作者提出一个管道:文本标准化、基于前缀树的规则预分类器、以及每个类别的二元确认模型。在人工标注环节,采用可靠性加权投票协议,并对比了Dawid-Skene方法。实验发现,在无泄漏控制下,词袋模型即可达到约0.99的F1分数,线性分类器与多层感知机表现相当,约67个标注样本就足够。研究还讨论了价格水平质量控制,为统计机构使用交易数据提供设计经验。论文机器学习产品分类消费价格人工标注词袋模型推荐理由:做价格统计或零售数据处理的团队,会发现这个简单但有效的管道能快速解决产品分类痛点,建议直接参考其规则+词袋的轻量方案。原文