Melhoria da categorização de produtos a partir do uso de algoritmos de aprendizado de máquina e medidas de similaridade
DOI:
https://doi.org/10.14488/1676-1901.v21i4.4483Palavras-chave:
Cadastro de produtos, Aprendizado de máquina, Árvore de decisão, Redes Neurais, Naive BayesResumo
O cadastro de produtos é uma atividade primária e essencial de qualquer negócio, mas pode estar cercada por várias armadilhas quando é feitaexclusivamente de forma manual, pois inconsistências nos cadastros podem gerar análises incorretas sobre o negócio, resultando emdecisões equivocadas. Nesse sentido, o uso de técnicas de aprendizado demáquina pode contribuir para melhorar esse processo. O presente estudo avaliou o uso de diferentes algoritmos e estratégias de aprendizado de máquina em uma atividade de categorização de produtos a partir de suas descrições em uma empresa com alta frequênciade criação de novos produtos. Um novo processo foi sugerido a partirda escolha do melhor algoritmo, que apresentou potencial para a redução de erros e revisou o tipo de processo de totalmente manual para semiautomatizado. Além do ganho específico parao caso analisado, o artigo também apresenta o caminho de construção, validação e escolha de modelos de aprendizado, o que contribui para a reprodutibilidade em outros contextos.
Downloads
Referências
BADRIYAH, T.; WIJAYANTO, E.T.; SYARIF, I.; KRISTALINA, P.A hybrid recommendation system for E-commerce based on product description and user profile. In: SEVENTH INTERNATIONAL CONFERENCEON INNOVATIVE COMPUTING TECHNOLOGY (INTECH). IEEE,2017. https://doi.org/10.1109/INTECH.2017.8102435
BRANDAO, M.S.; GODINHO FILHO, M.; DA SILVA, A.L. Luxury supply chain management: a framework proposal based on a systematic literature review.International Journal of Physical Distribution & Logistics Management, 2021.https://doi.org/10.1108/IJPDLM-04-2020-0110
CALVO-VALVERDE, L.A.; MENA-ARIAS, J.A. Evaluation of different text representation techniques and distance metrics using KNN for documents classification.Tecnología en marcha, v. 33, n. 1, p. 64-79, 2020.
CHANDRA, B.; MAZUMDAR, S.; ARENA, V.C.; PARIMI, N.Elegant Decision Tree Algorithm for Classification in Data Mining.In:WISE WORKSHOPS, 2002.
CHERIYAN, S.; IBRAHIM, S.; MOHANAN, S.; TREESA, S.Intelligent SalesPrediction Using Machine Learning Techniques. In:INTERNATIONAL CONFERENCE ON COMPUTING, ELECTRONICS & COMMUNICATIONS ENGINEERING(ICCECE). IEEE,2018.https://doi.org/10.1109/iCCECOME.2018.8659115
LIMA, F.R.P. SILVA, A.L.; GODINHO FILHO, M.;DIAS, E.M. Systematic review:resilience enablers to combat counterfeit medicines.Supply Chain Management: An International Journal, 2018.https://doi.org/10.1108/SCM-04-2017-0155
FARIA, N.C. Cadastro de Materiais -Um Tesouro Ignorado pelas Empresas.Disponível em: https://www.guialog.com.br/Y542.htm.Acessoem: 04abr.2004.
GOMAA, W.;FAHMY, A.A. A survey of text similarity approaches.International journal of Computer Applications, v. 68, n. 13, p. 13-18, 2013.https://doi.org/10.5120/11638-7118
HARRAG, F.; EL-QAWASMEH,E.; PICHAPPAN, P. Improving Arabic text categorization using decision trees. In:INTERNATIONAL CONFERENCE ON NETWORKED DIGITAL TECHNOLOGIES, 1.,IEEE, 2009.
HARRIS, J.G.; DAVENPORT, T.H.Competing on analytics: The new science of winning. Harvard Business Review, 2017.HASAN, A.; MOIN, S.; KARIM, A.; SHAMSHIRBAND, S.Machine learning-based sentiment analysis for twitter accounts.Mathematical and Computational Applications, v.23, n. 1, p. 11, 2018.https://doi.org/10.3390/mca23010011
HSSINA, B.; MERBOUHA, A.; EZZIKOURI,H.; ERRITALI, M.A comparativestudy of decision tree ID3 and C4. 5.International Journal of Advanced Computer Science and Applications, v. 4, n. 2, p. 13-19, 2014.https://doi.org/10.14569/SpecialIssue.2014.040203
HUANG, A. Similarity measures for text document clustering.In:PROCEEDINGS OF THE SIXTH NEW ZEALAND COMPUTER SCIENCE RESEARCH STUDENT CONFERENCE (NZCSRSC2008), Christchurch, New Zealand: [s.e],2008.
IMAM. Padrão Descritivo de Materiais –PDM.Disponível em:https://www.imam.com.br/consultoria/artigo/pdf/padrao-descrtivo-de-materiais-pdm.pdf. Acesso em: 4 abr. 2021.
JIN, C.; DE-LIN, L.; FEN-XIANG, M. An improved ID3 decision tree algorithm.In:INTERNATIONAL CONFERENCE ON COMPUTERSCIENCE & EDUCATION, 4.,IEEE,2009.
JOHNSON, D.E.;OLES, F. J.;ZHANG, T.;GOETZ, T. A decision-tree-based symbolic rule induction system for text categorization.IBM Systems Journal, v. 41, n. 3, p. 428-437, 2002.https://doi.org/10.1147/sj.413.0428
JORDAN, M.I.; MITCHELL, T.M. Machine learning: Trends, perspectives, and prospects.Science, v. 349, n. 6245, p. 255-260, 2015. https://doi.org/10.1126/science.aaa8415
KIBRIYA, A. M.; FRANK, E.; PFAHRINGER, B.; HOLMES, G.Multinomial naive bayes for text categorization revisited.In:AUSTRALASIAN JOINT CONFERENCEON ARTIFICIAL INTELLIGENCE. Springer,Berlin, Heidelberg, 2004. https://doi.org/10.1007/978-3-540-30549-1_43
KIM, S. B.;HAN, K. S.;RIM, H. C.;MYAENG, S. H.Some effective techniques for Naïve Bayestext classification.IEEE transactions on knowledge and data engineering, v. 18, n. 11, p.1457-1466, 2006.https://doi.org/10.1109/TKDE.2006.180
LAKSHMI, T. M.; MARTIN, A.; BEGUM, R. M.; VENKATESAN, V. P.An Analysis on Performance of Decision Tree Algorithms using Student's Qualitative
Data.International Journal of Modern Education & Computer Science, v. 5, n. 5, 2013.https://doi.org/10.5815/ijmecs.2013.05.03
LEAL, R. S. Métricas Comuns em Machine Learning: como analisar a qualidade de chat bots inteligentes —métricas (3 de 4).Disponível em:https://medium.com/as-m%C3%A1quinas-que-pensam.
MARTINEZ-MARTIN, N. What are important ethical implications of usingfacial recognition technology in health care?.AMA journal of ethics, v. 21, n. 2, p. E180, 2019.https://doi.org/10.1001/amajethics.2019.180
MIAO, F.; ZHANG, P.; JIN, L.; WU, H.Chinese news text classification based on machine learning algorithm.In:INTERNATIONAL CONFERENCE ON INTELLIGENT HUMAN-MACHINE SYSTEMS AND CYBERNETICS (IHMSC), 10.,2018.https://doi.org/10.1109/IHMSC.2018.10117
MOORE, M.M.;SLONIMSKY, E.;LONG, A.D.;SZE, R.W.;IYER, R.S. Machine learning concepts, concerns and opportunities for a pediatric radiologist.Pediatric radiology, v. 49, n. 4, p. 509-516, 2019.https://doi.org/10.1007/s00247-018-4277-7
NASSIF, A. B.; SHAHIN, I.; ATTILLI, I.; AZZEH, M.; SHAALAN, K.Speech recognition using deep neural networks: A systematic review.IEEE,v. 7, p. 19143-19165,2019.https://doi.org/10.1109/ACCESS.2019.2896880
PALMA NETO, L. G.; NICOLETTI, M. C. Introdução às redes neurais construtivas.São Carlos, SP: Editora da Universidade Federal de São Carlos, 2005.PAVLYSHENKO, B.M. Machine-learning models for sales time series forecasting.Data, v. 4, n. 1, p.15,2019.https://doi.org/10.3390/data4010015
PENG, W.; CHEN, J.; ZHOU,H. An implementation of ID3-decision tree learning algorithm, v. 13, 2009. https://doi.org/10.1109/ICCSE.2009.5228509
QIANG, G. An effective algorithm for improving the performance of NaïveBayes for text classification.In:SECOND INTERNATIONAL CONFERENCE ON COMPUTER RESEARCH AND DEVELOPMENT. IEEE, 2010.https://doi.org/10.1109/ICCRD.2010.160
RAD, S.E.; BEHJAT, A.R. Document Classification base on Ensemble Classifiers Support Vector Machine Multi-layer Perceptronand k-Nearest Neighbors.J.Biochem. Tech, v. 2, p.174-182, 2019.
RUECKEL, V.; KOCH, A.; FELDMANN, K.; MEERKAMM, H. Process data management in the whole product creation process.In:PROCEEDINGSOF THE NINTH INTERNATIONAL CONFERENCE ON COMPUTER SUPPORTED COOPERATIVE WORK IN DESIGN.IEEE, 2005. https://doi.org/10.1109/CSCWD.2005.194329S
ABUNA, P.M.; SETYOHADI, D.B. Summarizing Indonesian text automatically by using sentence scoring and decision tree.In:INTERNATIONAL CONFERENCES ON INFORMATION TECHNOLOGY, INFORMATION SYSTEMS AND ELECTRICAL ENGINEERING (ICITISEE),2.,2017. https://doi.org/10.1109/ICITISEE.2017.8285473
SEBASTIANI, F. Machine learning in automated textcategorization.ACM computing surveys (CSUR), v. 34, n. 1, p. 1-47, 2002.https://doi.org/10.1145/505282.505283
SEBASTIANI, F. Text categorization. In: ENCYCLOPEDIA of Database Technologies and Applications.IGI Global, p. 683-687, 2005. https://doi.org/10.4018/978-1-59140-560-3.ch112
SHI, L.; WENG, M.; MA, X.; XI, L. Rough set based decision tree ensemble algorithm for text classification.Journal of Computational Information Systems, v. 6, n. 1, p. 89-95, 2010.
SINGH, S.; GUPTA, P. Comparative study ID3, cart and C4. 5 decision tree algorithm: a survey.International Journal of Advanced Information Science and Technology (IJAIST), v. 27,n. 27, p. 97-103, 2014.
VARIAN, H.Artificial intelligence, economics, and industrial organization.In:NATIONALBureauof Economic Research, 2018.https://doi.org/10.3386/w24839
VIJAY MEENA, M. K.; KAVITHA, K. A survey on similarity measures in text mining.Machine Learning and Applications: an InternationalJournal, v. 3, n. 2, p. 19-28, 2016.https://doi.org/10.5121/mlaij.2016.3103
WANG, Z.; DI, H.; SHAFIQ, M.A.; ALAUDAH, Y.; ALREGIB, G.Successful leveraging of image processing and machine learning in seismic structural interpretation: A review.The Leading Edge, v. 37, n. 6,p. 451-461, 2018.https://doi.org/10.1190/tle37060451.1
ZHANG, H.; LI, D. Naïve Bayes text classifier.In:INTERNATIONAL CONFERENCE ON GRANULAR COMPUTING (GRC 2007),2007. https://doi.org/10.1109/GrC.2007.40
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2022 Revista Produção Online
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
A Revista se reserva no direito de efetuar, no artigo publicado, alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da língua, respeitando, porém, o estilo dos autores.
A obra publicada é de inteira responsabilidade do(s) autor(es), cabendo à Revista Produção Online apenas a avaliação da obra, na qualidade de veículo de publicação científica. A Revista Produção Online não se responsabiliza por eventuais violações à Lei nº 9.610/1998, Lei de Direito Autoral.
A revista Produção Online permite que o autor detenha o copyright dos artigos aceitos para publicação, sem restrições.
Esta obra está licenciada sob uma Licença Creative Commons.
