We have a database S of product des

We have a database S of product descriptions, represented
as structured records. Every structured record s ∈ S consists
of a set of attribute ⟨name, value⟩ pairs. The attributes
can be numeric or categorical. We receive an unstructured
offer u as input, which is a concise free-text description that
specifies values for a subset of the attributes in S in an
arbitrary manner. The text may also contain additional
words. Our objective is to match u to one or more structured
records in S. We use the metric of precision and recall
for judging the quality of the matching system.
We take a probabilistic approach and find the product s ∈
S that has the largest probability of match to the given offer,
u. Our matcher is learned in an offline stage (Algorithm 1).
For this, we postulate a small training set U of unstructured
offers. Each u ∈ U has been matched to one structured
record in S (set M). We also have mismatched records

ผลลัพธ์ (ไทย) 2:

เรามีฐานข้อมูลของ S รายละเอียดผลิตภัณฑ์ที่แสดง
เป็นระเบียนที่มีโครงสร้าง ทุกบันทึกโครงสร้าง S ∈ S ประกอบด้วย
ชุดของแอตทริบิวต์⟨name, value⟩คู่ คุณลักษณะที่
สามารถเป็นตัวเลขหรือเด็ดขาด เราได้รับที่ไม่มีโครงสร้าง
เสนอยูเป็น input ซึ่งเป็นคำอธิบายฟรีข้อความรัดกุมที่
ระบุค่าสำหรับย่อยของคุณลักษณะใน S ใน
ลักษณะโดยพลการ ข้อความที่อาจมีเพิ่มเติม
คำ วัตถุประสงค์ของเราคือเพื่อให้ตรงกับ u เพื่อหนึ่งหรือมากกว่าโครงสร้าง
ระเบียนใน S. เราใช้ตัวชี้วัดของความแม่นยำและการเรียกคืน
สำหรับการตัดสินคุณภาพของระบบการจับคู่.
เราใช้แนวทางที่น่าจะเป็นและหาสินค้า S ∈
S ที่มีความน่าจะเป็นที่ใหญ่ที่สุดของ ตรงกับข้อเสนอที่กำหนด
ยู จับคู่ของเราจะได้เรียนรู้ในเวทีออฟไลน์ (อัลกอริทึม 1).
สำหรับเรื่องนี้เรายืนยันการฝึกอบรมที่มีขนาดเล็กตั้ง U ที่ไม่มีโครงสร้างของ
ข้อเสนอ แต่ละยู∈ U ได้รับการจับคู่กับหนึ่งในโครงสร้าง
การบันทึกใน S (ชุด M) นอกจากนี้เรายังมีข้อมูลที่ไม่ตรงกัน

ผลลัพธ์ (ไทย) 3:

เรามีฐานข้อมูลของรายละเอียดสินค้าแทน
เป็นโครงสร้างระเบียน ทุกบันทึกของโครงสร้าง∈ S ประกอบด้วย
ชุดคุณลักษณะ⟨ชื่อค่า⟩คู่ แอตทริบิวต์
สามารถเป็นตัวเลขหรือเป็นเด็ดขาด เราได้รับข้อเสนอใหม่
U เป็น input ซึ่งเป็นคำอธิบายที่กระชับฟรีข้อความ
ระบุค่าสำหรับบางส่วนของแอตทริบิวต์ใน S ใน
ลักษณะโดยพลการข้อความอาจประกอบด้วยคำเพิ่มเติม

วัตถุประสงค์ของเราคือเพื่อให้ตรงกับคุณในหนึ่งหรือมากกว่าหนึ่งระเบียนในโครงสร้าง
s เราใช้ตัวชี้วัดความแม่นยํา และเรียกคืน
เพื่อตัดสินคุณภาพของระบบการจับคู่ .
เราใช้วิธีการเชิงความน่าจะเป็น และค้นหาสินค้าที่ใหญ่ที่สุด∈
s มีความน่าจะเป็นของราคาให้เสนอ
U รับของเราคือ เรียนรู้ในเวทีครับ ( แบบ 1 ) .
สำหรับนี้เราทึกทักเอาว่าเป็นขนาดเล็กชุดฝึกอบรม U ข้อเสนอใหม่

∈แต่ละ U U ได้รับการจับคู่หนึ่งโครงสร้าง
บันทึกใน ( ชุด M ) เรายังมีข้อมูลไม่ตรงกัน