Maschinelles Lernen im Onlinehandel

Bachelorarbeit aus dem Jahr 2018 im Fachbereich Informatik - Internet, neue Technologien, Note: 1.0, Universitaet Potsdam (Hasso Plattner Institut), Sprache: Deutsch, Abstract: Durch die Vielzahl von Onlineshops und Fuelle an Angeboten verliert der Onlinekaeufer schnell die UEbersicht. Preisvergleichsplattformen wie idealo helfen dem Kunden das guenstigste Angebot im Netz zu finden. Die Gewaehrleistung der moeglichst vollstaendigen Markttransparenz ist eine grundlegende Herausforderung fuer idealo. Das von uns entwickelte Softwaresystem Scout soll dabei helfen, den Produktkatalog von idealo auf Vollstaendigkeit zu ueberpruefen und fehlende Angebote aufzulisten. Ein wichtiger Prozessschritt ist dabei die Extrahierung von Produktinformationen, wie Produktname oder Preis, aus den einzelnen Webseiten. Die Schwierigkeit der Extraktion liegt darin, dass jeder Shop einen individuellen Aufbau besitzt und unterschiedlich strukturiert ist. Im Rahmen dieser Arbeit wurde ein Algorithmus entwickelt, welcher mittels maschinellem Lernen die Produktinformationen aus den Webseiten extrahiert. Messungen, welche auf 50 verschiedenen Shops basieren, haben ergeben, dass die Produktinformationen mit einer Precision von ueber 95 Prozent bei einer Accuracy von etwa 50% extrahiert werden koennen.