产品聚类-匹配与分类数据集
数据来源：互联网公开数据
标签：产品聚类，产品分类，产品匹配，电子商务，数据挖掘，机器学习应用，商品信息检索，算法评估
数据概述：
本数据集为电子商务领域中产品信息的聚类、分类与匹配研究提供支持。数据来源于两家在线产品比较平台：PriceRunner 和 Skroutz。通过部分爬取上述平台的数据，构建了 18 个真实世界的产品数据集，涵盖多个产品类别。每个数据集分别对应特定的产品类别，并附有相应的基准（ground truth）文件，用于算法的评估和验证。
数据集以标准的 CSV 和 XML 格式提供，每个条目包含以下关键信息：
- Product ID：产品的唯一标识符。
- Product Title：产品在相应平台上的标题（以小写形式，去除标点符号）。
- Vendor ID：销售该产品的电子商店的标识符，可用于细化分析（例如，验证算法）。
- Cluster ID：产品所属的聚类标识符，用于实体匹配和聚类任务。
- Cluster Label：上述聚类的标题。
- Category ID：产品所属类别的标识符，主要用于包含多个类别的综合数据集，适用于分类和类别分析任务。
- Category Label：上述类别的标题。
此外，数据集的设计考虑了以下两个关键目标：
1. 研究相同算法在不同供应商提供的类似产品上的性能差异。
2. 评估算法在不同类别产品上的有效性。
为此，数据集不仅包含了同类产品，还涵盖了多种不同类别的产品。此外，每个平台还提供了一个综合数据集，包含了来自所有 8 个类别的产品，适用于异构数据集的性能分析。
数据用途概述：
该数据集适用于以下多个应用场景：
1. 产品聚类与分类研究：研究人员可以使用这些数据集验证和优化聚类、分类算法的性能，特别是在处理电子商务产品信息时。
2. 产品匹配算法开发：数据集中的基准信息可用于评估匹配算法的准确性，特别是在处理产品标题相似度和实体匹配问题时。
3. 电子商务产品信息检索：通过分析产品类别、供应商和聚类信息，提升产品检索和推荐系统的效率。
4. 算法评估与基准测试：数据集的基准文件为算法开发提供了标准化的评估依据，便于不同算法之间的对比。
5. 学术研究与论文发表：研究人员可以利用这些数据集开展相关研究，并参考提供的参考文献进行学术交流。
数据格式与使用说明：
- 数据格式：CSV 和 XML。
- 数据规模：包含 18 个数据集，分为多个产品类别，以及两个平台的综合数据集。
- 数据字段：包含产品标识、标题、供应商标识、聚类标识、类别标识等关键信息。
版权声明：
该数据集采用通用公共许可协议（GPL 2.0）发布，允许任何人使用。如果用于研究目的，研究人员应将以下参考文献列入发表论文的参考文献列表中：
1. L. Akritidis, A. Fevgas, P. Bozanis, C. Makris, "A Self-Verifying Clustering Approach to Unsupervised Matching of Product Titles", Artificial Intelligence Review (Springer), pp. 1-44, 2020.
2. L. Akritidis, P. Bozanis, "Effective Unsupervised Matching of Product Titles with k-Combinations and Permutations", In Proceedings of the 14th IEEE International Conference on Innovations in Intelligent Systems and Applications (INISTA), pp. 1-10, 2018.
3. L. Akritidis, A. Fevgas, P. Bozanis, "Effective Product Categorization with Importance Scores and Morphological Analysis of the Titles", In Proceedings of the 30th IEEE International Conference on Tools with Artificial Intelligence (ICTAI), pp. 213-220, 2018.
通过上述数据集，研究人员和开发者可以深入探索产品信息的组织与检索问题，为电子商务领域的算法优化和应用创新提供有力支持。
