Avaliação do
Você é humano?
8
5
=
Denunciar conteúdo impróprio
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Classificação da faixa de peso de produtos com deep learning e BERT
Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/capes/1101942
Registro completo de metadados
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Mantovani, Rafael Gomes | - |
| Autor(es): dc.contributor | Oliveira, Jefferson Tales | - |
| Autor(es): dc.contributor | Oliveira, Rafael Alves Paes de | - |
| Autor(es): dc.contributor | Mantovani, Rafael Gomes | - |
| Autor(es): dc.creator | Andrade, Lucas Dybax de | - |
| Data de aceite: dc.date.accessioned | 2025-08-29T12:47:37Z | - |
| Data de disponibilização: dc.date.available | 2025-08-29T12:47:37Z | - |
| Data de envio: dc.date.issued | 2023-09-15 | - |
| Data de envio: dc.date.issued | 2023-09-15 | - |
| Data de envio: dc.date.issued | 2022-11-04 | - |
| Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/32389 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1101942 | - |
| Descrição: dc.description | Given the exponential growth of e-commerce in recent decades and the creation of marketplace platforms, logistics operations increasingly seek to automate and improve the predictability of delivery and costs of their items. A recurrent problem encountered by the platforms that offer this service is the correct estimation of the freight weight of a product, an information that affects everything from the logistical planning of packaging to last-mile delivery to the customers’ addresses. With many sellers wrongly listing their items, relying on wrong dimensions lead to operational inefficiencies in delivery. Machine learning solutions serve, in this context, to use data from items already sold and measured to categorize new items that have not been sold yet: similar products are expected to have similar weight, dimensions, and characteristics. Given the recent insurgency of BERT classifiers as a state of the art in textual classification problems, different experiments were proposed to evaluate their applicability in the weight estimation problem. Experiments were performed comparing BERT against existing solutions based on traditional machine learning in the production environment of a retail company. The proposed models were evaluated using data with and without preprocessing, a pipeline step common to solutions based on artificial neural networks. The obtained results suggest a superior performance of the BERT-based classifiers compared to traditional models. However, the balanced accuracy of 0.63 in the best classifier, even being superior to all baselines, indicates that there is much room for improvement before the solution is factually implementable. The study of the misclassified instances also indicates that better data preprocessing, directly aligned with the problem definition, would be useful to improve the performance of the best estimator. | - |
| Descrição: dc.description | Dado o crescimento exponencial do comércio virtual nas últimas décadas e a criação de plataformas de marketplace, as operações logísticas cada vez mais buscam automatizar e melhorar a previsibilidade de entrega e custos de seus itens. Um problema encontrado pelas plataformas que oferecem esse serviço é a correta estimativa do peso-frete de um produto, informação que afeta desde o planejamento logístico de empacotamento até entrega por algum veículo no endereço do cliente. Com muitos vendedores cadastrando seus itens erroneamente, dimensões erradas geram ineficiências operacionais em entregas. As soluções de aprendizado de máquina servem, nesse contexto, para utilizar dados de itens já vendidos e aferidos a fim de categorizar aqueles que ainda não foram: espera-se que produtos similares tenham características de peso e dimensões próximas. Dada a insurgência recente de classificadores de aprendizado profundo, como o BERT, e tornando-se estado da arte em problemas de classificação textual, foram propostos experimentos para avaliar a aplicabilidade dos mesmos no problema de estimativa de peso de itens de entrega. Experimentos foram realizados comparando BERT com soluções já existentes baseadas em aprendizado de máquina tradicional em um ambiente de produção de uma empresa varejista. Os modelos propostos foram avaliados utilizando dados com e sem pré-processamento, etapa que é comum à resolução de problemas baseados com redes neurais artificiais. Os resultados obtidos mostraram um desempenho preditivo superior dos classificadores baseados em BERT quando comparado aos modelos tradicionais. No entanto, o valor de acurácia balanceada de 0.63 obtido pelo melhor classificador, mesmo que superior a todas as baselines, indica que há muito espaço para melhorias antes de que a solução seja factualmente implementável. A análise das predições errôneas do modelo indicam que uma melhor etapa de pré-processamento dos dados textuais, diretamente alinhada à definição do problema, seria útil para melhorar o desempenho preditivo dos modelos induzidos. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
| Publicador: dc.publisher | Dois Vizinhos | - |
| Publicador: dc.publisher | Brasil | - |
| Publicador: dc.publisher | Especialização em Ciência de Dados | - |
| Publicador: dc.publisher | UTFPR | - |
| Direitos: dc.rights | openAccess | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by-sa/4.0/ | - |
| Palavras-chave: dc.subject | Logística | - |
| Palavras-chave: dc.subject | Processamento de linguagem natural (Computação) | - |
| Palavras-chave: dc.subject | Aprendizado do computador | - |
| Palavras-chave: dc.subject | Logistics | - |
| Palavras-chave: dc.subject | Natural language processing (Computer science) | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
| Título: dc.title | Classificação da faixa de peso de produtos com deep learning e BERT | - |
| Título: dc.title | Classification of products weight ranges using deep learning and BERT | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT | |
Não existem arquivos associados a este item.
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma:
- O Termo de Uso pode ser modificado pela CAPES a qualquer tempo, sem necessidade de notificação prévia, sendo que tais modificações serão válidas a partir da data de sua veiculação neste portal;
- Para aprovação de cadastro do usuário ao sistema, a CAPES pode requisitar o fornecimento de informações, haja vista a política de segurança adotada, objetivando resguardar a segurança dos usuários nesse ambiente virtual;
- O usuário aceita e declara compreender que, em razão do peculiar ambiente da Internet, a CAPES não poderá garantir que o acesso ao site seja livre de erros ou problemas decorrentes de casos fortuitos, internos ou externos, casos de força maior ou ainda de outros casos não inteiramente sujeitos a controle direto dos administradores do site e, portanto o usuário se obriga a isentar a CAPES de quaisquer reclamações ou indenizações. A CAPES também não se responsabiliza por interrupções, interceptações, invasões, disseminação de vírus ou outros atos ilícitos, típicos e atípicos de ambiente virtual, e de web, dos quais a CAPES não tenha tido intenção deliberada de participar ou praticar;
- O usuário aceita e declara compreender que qualquer texto, marca, áudio, imagem, ou conteúdo veiculados no site são protegidos por direitos de propriedade intelectual o qual deve ser respeitado de acordo com a licença concedida pelo respectivo detentor dos referidos direitos, sob pena de apuração das responsabilidades cabíveis;
-
Desta forma a CAPES se exime de toda e qualquer responsabilidade por eventuais perdas, danos e prejuízos de qualquer natureza decorrentes:
- Do descumprimento da lei, da moral e dos bons costumes, como consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da infração aos direitos de propriedade intelectual e industrial, segredos empresariais, compromissos contratuais de qualquer tipo, direitos à honra, à intimidade pessoal e familiar, à imagem das pessoas, direitos de propriedade e de toda e qualquer natureza pertencentes a um terceiro por consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da falta de veracidade, precisão, exatidão, pertinência e/ou atualidade dos conteúdos;
- Da inadequação para qual seja o propósito, ou da frustração, das expectativas geradas pelos conteúdos;
- Exceto quando mencionado explicitamente, ou quando se tratar de citação de material alheio ou ilustração, nos limites estabelecidos pela Lei 9.610/98, todo o Conteúdo textual original do Portal eduCAPES está disponível livremente para leitura, entre outros direitos, conforme definido na licença Creative Commons;
- A CAPES não se responsabiliza pelos comentários, opiniões, informações, depoimentos, mensagens, vídeos, textos, imagens, áudios ou qualquer outro tipo de conteúdo que sejam, postados, publicados e disponibilizados através do Portal eduCAPES pelos usuários, sendo a responsabilidade civil e criminal atribuída única e exclusivamente ao autor dos comentários, opiniões, informações, ou mensagens. Todo o conteúdo publicado por usuários são de responsabilidade exclusiva dos mesmos e de caráter completamente independente, sendo que todo e qualquer tipo de opinião, ideal e/ou posição expressados não refletem necessariamente o ponto de vista e a posição do Portal eduCAPES e/ou da CAPES. A CAPES se reserva o direito de armazenar as informações destes autores e/ou Usuários, a fim de viabilizar sua identificação;
- O usuário aceita e declara compreender que a CAPES poderá disponibilizar no Portal eduCAPES, links de acesso para outros sites e endereços virtuais administrados, controlados ou operados por terceiros. Qualquer site conectado a partir do eduCAPES não está sob o controle da CAPES;
- A CAPES não assume nenhuma responsabilidade ou obrigação por qualquer informação, comunicação ou material encontrado em tais sites, ou em qualquer site conectado a tais sites. A CAPES não assume qualquer responsabilidade pelos serviços ou funcionalidades ali dispostos, sendo a decisão de utilização e a forma de relacionamento com os mesmos de exclusiva responsabilidade do usuário, que inclusive isenta a CAPES de fiscalizar o conteúdo ou zelar pela integridade de tais sites ou endereços virtuais.
- O usuário aceita e declara compreender que o acesso a determinadas áreas do site será restrito. Para acessá-las, o usuário deverá fazer o login e cadastrar uma senha de acesso. A senha é individual, sigilosa e intransferível, sendo o usuário o único responsável pela guarda da mesma. O usuário assume toda e qualquer responsabilidade pelo mau uso ou pela utilização da senha por terceiros;
- A CAPES reserva o direito de excluir o cadastro, de excluir o material submetido ou proibir o acesso do usuário ao portal eduCAPES no caso de qualquer abuso ou indício de prática ilícita no uso do site ou de qualquer uso não autorizado ou proibido pelo usuário, nos termos da legislação brasileira;
- As condições estabelecidas no Termo de Aceite e Uso do Site são regidas pela lei brasileira. Sob nenhuma circunstância o usuário deverá violar qualquer lei usando o portal eduCAPES para propósitos que incluam, mas não limitados a isso, difamação ou perturbação de outros, violação de direitos de propriedade intelectual ou de terceiros, envio de material obsceno ou ofensivo, vírus, arquivos corrompidos, ou outros programas que poderiam danificar ou alterar este site ou os computadores de empresa ou de terceiros;
- A CAPES reserva o direito de retirar qualquer conteúdo que infrinja a lei, a moral e os bons costumes nos termos da legislação vigente e também na hipótese de o conteúdo não se coadunar com as finalidades educativas do Portal. A CAPES garante o direito de defesa e contraditório dos usuários. O usuário reconhece que o material enviado por terceiros, que não a CAPES, não é endossado pela mesma.
Concordo e desejo baixar o arquivo
Não concordo e não irei baixar o arquivo
Não concordo e não irei baixar o arquivo