Классификация товаров, самообучение

хотелось бы увидеть готовое решение :)

а то для такой классификации пока использую price.ru (по принципу - в каких категориях этого товара больше)

Готовое решение в виде его клиентской части вам никакой особой радости не принесет, а внутреннюю часть пока что показать не готов ))

Показывать не нужно, ток расскажите - какими наборами данных оперируете для присваивания категории (или эти наборы ничто иное как ключевые слова в наименование товара? + стоп слова для разных категорий, чтобы модельки игрушек не попадали в промышленное оборудование?), без данной информации сложно порекомендовать какую-либо структуру БД.

Я не работаю с категориями пока что.

Делаю систему на основе карточек товаров, соотв. и привязку делаю к товарам.

Так же параллельно выдираю классификаторы групп товаров - но это пока только в качестве сбора данных, никак не использую и не анализирую качество сбора.

В кратце алгоритм таков:

Имею наименования моделей очищенные от шлака (всякие мелочи) и минус-слов (цвета к примеру)

Поиск в ОБ - обработка функцией чуть сложнее similar_text - выбор автопривязать или нет - если нет - поиск в АБ (ассоциативная база) и еще раз обработка волшебной функцией - и выбор автопривязать или уже отправить контент-манагеру на проверку.

Соответственно в данной схеме чем больше АБ, тем автоматизированнее процесс.

Формат данных таблиц не имеет значения по сути, кроме интересующей меня АБ.

Я сделал АБ в виде:

id|id товара ОБ|id товара ВБ|наименование модели

Буду рад комментам и советам.

При таом количестве переменных и 20 000 товаров смысла ломать голову над структурой БД абсолютно никакого (т.к. размер базы наверное всего 5-10МБ) у меня ситуация иная - порядок около миллиона.

Хотелось бы услышать про вашу волшебную функцию.

удивило

а смысл тогда разбивки?

я на начальном этапе экспериментов использовал статистику всех отдельных слов в наименование товара по всему массиву товаров (когда без категорий делал) и затем на основе этой статистики делал поиск по всем словам в наименование товара, а веса каждого отдельно слова равнялись обратной частотности (такой подход спасал от составления стоп листа).

Теперь эти "кучки" товаров нужно раскидать по категориям.

Решаю пока проблему когда название товара написано с ошибкой, раньше получалась фигня, но чет забыл про симилар текст, буду пробовать.

смысл есть всегда. Это тестовая база к тому же ;)

Нашел в паблике и доработал, ее итоги на 90% такие же как и у similar_text, но на этапе разработки я пришел к выводу что она получше работает - ничего волшебного.

Еще раз топик перечитайте :) У меня не стоит цель классифицировать товары по категориям, я хочу классифицировать товары базы ВБ к базе ОБ, а товары в базе ОБ и так раскиданы по категориям. Подход другой у меня.