Categorization of B2B Service Offers: Lessons learnt from the Silex Use case
Résumé
In the domain of Information Retrieval and Natural Language Processing, text classification has become a crucial task. In this article, we share our experience of text cate-gorization in an industrial context and we present a comparative evaluation of binary and multi-label classification algorithms applied to texts describing service offers, in the SILEX B2B platform. We show that for some use cases like the one we consider, a traditional representation of texts by "bags of words" gives better classification results than the promising representation by "word embeddings".
Dans le domaine de la recherche d'information et du traite-ment automatique du langage, la tâche de classification de textes est devenue une tâche cruciale. Dans cet article, nous partageons notre expérience de la classification de textes dans un contexte industriel et présentons une évalu-ation comparative de différents algorithmes de classification binaire et multi-label appliqués à des textes décrivant des offres de services, issus de la plateforme B2B SILEX pour la recommandation de prestataires de services. Nous montrons que dans certains cas pratiques comme celui que nous considérons, une représentation des données sous la forme de "bags of words" donne de meilleurs résultats de classification qu'une représentation réputée plus promet-teuse par "word embeddings".
Origine : Fichiers produits par l'(les) auteur(s)
Loading...