Maschinelles Lernen im Onlinehandel

Inhaltsverzeichnis

• Zusammenfassung
• 1. Die Welt der Preisvergleichsportale
  • 1.1 Der Onlinehandel von heute
  • 1.2 Das Preisvergleichsportal idealo
  • 1.3 Das Ziel des Bachelorprojektes
  • 1.4 Die Microservice-Architektur des Scout-Softwaresystems
• 2. Die Extraktion produktspezifischer Daten
  • 2.1 Die technischen Anforderungen an den Parser
  • 2.2 Die Positionsbestimmung der Produktattribute
  • 2.3 Die Architektur des Parsers
  • 2.4 Die Erstellung der Selektoren
• 3. Die Genauigkeitsmessung des Extraktionsalgorithmus
  • 3.1 Die Testdaten der Evaluierung
  • 3.2 Die Messergebnisse
  • 3.3 Mögliche Fehlerquellen der Messungen
• 4. Der Ausblick und das Fazit

Zielsetzung und Themenschwerpunkte

Das Ziel des Bachelorprojektes war die Entwicklung einer Softwarelösung, die eine automatisierte Bestandsanalyse für Onlinehändler, die mit dem Preisvergleichsportal idealo zusammenarbeiten, ermöglicht. Diese Software, Scout genannt, soll fehlende Angebote im Produktkatalog von idealo identifizieren und so zur Verbesserung der Markttransparenz beitragen.

• Automatisierung der Bestandsanalyse für Onlinehändler
• Verbesserung der Markttransparenz durch Identifizierung fehlender Angebote
• Extraktion produktspezifischer Daten aus Webseiten von Onlinehändlern
• Entwicklung eines shop-spezifischen Parsers mit maschinellem Lernen
• Evaluierung der Genauigkeit des Extraktionsalgorithmus

Zusammenfassung der Kapitel

• Kapitel 1 führt in die Welt der Preisvergleichsportale ein und beleuchtet die Herausforderungen des Onlinehandels im Kontext der steigenden Produktvielfalt und der Notwendigkeit der Markttransparenz. Das Projekt Scout wird vorgestellt, das die Vollständigkeit des idealo-Produktkatalogs überprüfen soll.
• Kapitel 2 widmet sich der Extraktion produktspezifischer Daten aus den Webseiten von Onlinehändlern. Der shop-spezifische Ansatz wird beschrieben, der individuelle Regeln für die Extraktion von Informationen wie Produktname, Preis oder EAN nutzt. Das Projektteam entschied sich gegen shop-unspezifische Ansätze basierend auf Standards wie Schema.org, da die Einhaltung dieser Standards in der Praxis oft unzureichend ist.
• Kapitel 3 beschreibt die Evaluierung des entwickelten Extraktionsalgorithmus. Die Messungen zeigen, dass der Algorithmus eine hohe Präzision erreichen kann, wobei allerdings nicht alle Produktattribute extrahiert werden können. Die Ergebnisse liefern wichtige Erkenntnisse für die Weiterentwicklung des Parsers.

Schlüsselwörter

Die Arbeit befasst sich mit den Themen Preisvergleichsportale, Markttransparenz, Datenextraktion, Shop-spezifischer Parser, maschinelles Lernen, Evaluierung, Accuracy, Precision, Levenshtein-Distanz.