E-ticaret sistemlerindeki ürünlerde bilgilerinde zaman zaman insan kaynaklı hatalarla karşılaşılmaktadır. Ürün başlığının yanlış girilmesi yada fiyatın düşük girilmesi gibi problemler hem kullanıcıları hemde satıcıları olumsuz yönde etkilemektedir. Bu makalede insan kaynaklı yanlışlıkların önüne geçilmesi amacıyla e-ticaret sistemlerinde eklenen ürünlerinin başlıklarının otomatik oluşturulmasına yönelik bir yöntem sunulmuştur. Son zamanlarda özellikle kodlayıcı- kod çözücü mimarilerin başarılı sonuçlar vermesiyle araştırmacılar tarafından ilgi gören görüntü altyazılama sistemleri otonom arabalar ve görme engellilere yardım konuları dahil birçok alanda kullanılmaktadır. Çalışmada otomatik ürün başlığı oluşturulmasının yanı sıra sisteme eklenen özellikler ile ürün görsellerinin metinsel anlatım başarısının ne ölçüde etkileneceği konusu üzerine durulmuştur. Önerilen sistemin başlık oluşturma performansı BLEU, METEOR, ROUGE ve CIDEr gibi bu alanda kullanılan en yaygın değerlendirme ölçütleri kullanılarak değerlendirilmiştir. Bu sistemlerin e-ticaret sitelerindeki içerik iş yükünü azaltacağı düşünülmektedir.
Görüntü altyazılama bilgisayarla görü doğal dil işleme özyinelemeli sinir ağları evrişimsel sinir ağları.
In e-commerce systems, human-induced errors are often encountered in the product information. Users and sellers are negatively affected by problems such as incorrect entry of product title or low price. In this article, an automatic captioning system has been proposed about product titles in e-commerce systems in order to prevent human-induced mistakes. Recently, especially with the successful results of encoder-decoder architectures, image captioning systems are used in many areas such as autonomous cars and helping the visually impaired. In addition to the creation of product titles within the scope of the study, the issue of the extent to which the textual depiction success of the product images with the features added will be affected are emphasized. The performance of the proposed system was evaluated using the most common evaluation metrics such as BLEU, METEOR, ROUGE and CIDEr. It is thought that these systems can reduce the content workload on e-commerce sites.
Image captioning computer vision natural language processing convolutional neural network recurrent neural networks.
Primary Language | Turkish |
---|---|
Subjects | Artificial Intelligence, Software Engineering (Other) |
Journal Section | Research Article |
Authors | |
Publication Date | December 30, 2021 |
Submission Date | September 6, 2021 |
Published in Issue | Year 2021 |
Uluslararası 3B Yazıcı Teknolojileri ve Dijital Endüstri Dergisi Creative Commons Atıf-GayriTicari 4.0 Uluslararası Lisansı ile lisanslanmıştır.