РЕАЛІЗАЦІЯ ПОШУКУ АНАЛОГІЧНИХ ТОВАРІВ НА ОСНОВІ FAISS
DOI:
https://doi.org/10.30977/BUL.2219-5548.2022.96.0.40Ключові слова:
AI, ML, Deep Learning, FAISS, GCP, e-commerce, кластеризаціяАнотація
Проблема отримання повної множини аналогічних товарів різних постачальників з урахуванням інформації щодо зображення та опису товару є актуальною для e-commerce та практично цікавою. Робота містить алгоритм побудови загальної архітектури рішення засобами GCP та створення AI компонент на базі FAISS та Deep Learning для реалізації Product Quantization пошуку товарів на основі їхніх векторів текстових ознак та зображень. Запропонований підхід пошуку аналогічних товарів використовує мережу DNN для виділення featuresзображень, текстових тегів та формування на їхній основі векторів, що застосовуються для FAISS-кластеризації.
Посилання
2021: A Year Full of Amazing AI papers. URL: https://github.com/louisfb01/best_AI_papers_202.
Marketplace for AI Models. URL: https://arxiv.org/pdf/2003.01593.pdf.
A Multi-View Deep Learning Approach for Cross Domain User Modeling in Recommendation Systems. URL: https://www.microsoft.com/enus/research/wpcontent/uploads/2016/02/frp1159-songA.pdf.
GAN-based-Recommender-System. URL: https://github.com/jihoo-kim/GAN-basedRecommender-System.
Image classification on fashion-MNIST. URL: https://github.com/cmasch/zalando-fashion-mnist.
Benchmark Fashion MNIST. URL: http://fashionmnist.s3-website.eu-central-1.amazonaws.com/#
FAISS. URL: https://github.com/facebookresearch/faiss.
MILVUS. URL: https://github.com/milvusio/pymilvus/tree/0.2.14.
Product quantization for nearest neighbor search. URL: http://lear.inrialpes.fr/pubs/2011/JDS11/jegou_searching_with_quantization.pdf.
