Sztuczna inteligencja i recenzje Amazon przewidują wycofanie produktu

Recenzje Amazon

Naukowcy z Boston University School of Public Health (BUSPH) opracowali program sztucznej inteligencji, który wykorzystywał recenzje klientów Amazon do identyfikowania wycofanych produktów z dokładnością do 74%, a także oznaczał tysiące potencjalnie niebezpiecznych produktów, które nie zostały wycofane. Przy takim podejściu naukowcy twierdzą, że proces wycofywania - który obecnie może trwać miesiące - może zostać znacznie przyspieszony.

Naukowcy zebrali w bazie danych ponad milion recenzji żywności dla około 175 000 produktów, a następnie wykorzystali algorytmy do ustalenia, że ​​około 5000 z tych recenzji było powiązanych z wycofanymi produktami spożywczymi. Następnie wykorzystali crowdsourcing, aby przejrzeć próbę 6000 recenzji, które zawierały słowa takie jak „choroba”, „etykieta”, „chory” i „zepsuty”, które mogą być powiązane z wycofaniem produktu i pogrupowane w kategorie takie jak: produkt związany z chorobą lub reakcją alergiczną, produkt przeterminowany itp.

Model BERT

Następnie zaprogramowali model AI o nazwie BERT (skrót od Bidirectional Encoder Representation from Transformations) w zakresie interpretacji tych recenzji w ramach crowdsourcingu, a następnie BERT był w stanie poprawnie zidentyfikować, które recenzje w tej próbce dotyczą wycofanych produktów z 74% dokładnością. BERT zidentyfikował również 20 000 potencjalnie niebezpiecznych produktów wymienionych w bazie danych ponad miliona recenzji, które nie zostały wycofane.

Analiza Danych

„Departamenty zdrowia w Stanach Zjednoczonych już wykorzystują dane z Twittera, Yelp i Google do monitorowania chorób przenoszonych przez żywność”, mówi autorka badań Elaine Nsoesie, adiunkt  BUSPH. Badanie to było jednak w stanie ocenić bezpieczeństwo określonych produktów spożywczych. „Narzędzia takie jak nasze mogą być skutecznie wykorzystywane przez służby zdrowia lub firmy produkujące żywność do identyfikowania opinii konsumentów na temat potencjalnie niebezpiecznych produktów”, zauważa Nsoesie. Informacje te można wykorzystać do podjęcia decyzji, czy dalsze dochodzenie jest uzasadnione.

Badanie zostało opublikowane w Journal of the American Medical Informatics Association Open.

Źródło: https://academic.oup.com/jamiaopen/advance-article/doi/10.1093/jamiaopen/ooz030/5543660