Di dalam dunia retail, suatu produk lebih dikenal dengan istilah artikel atau SKU (Stock Keeping Unit). Umumnya artikel atau SKU memiliki format dalam deret karakter alfanumerik yang dilabelkan pada suatu produk dan akan menjadi identitas pada produk tersebut.
Selain deret karakter alfanumerik, biasanya artikel juga memiliki beberapa atribut seperti nama artikel, gender, ukuran, satuan, dimensi, warna dan lain sebagainya yang mungkin cukup variatif tergantung jenis dari produknya.
Pada kasus kali ini, penulisan atribut warna dari sebuah artikel biasanya disatukan ke dalam nama artikel seperti misalnya 'PUMA XTG WOVEN PANTS PUMA BLACK-PUMA WHITE' dimana atribut warna dari artikel ini sebenarnya adalah 'PUMA BLACK-PUMA WHITE' sedangkan bagian 'PUMA XTG WOVEN PANTS' adalah bagian dari atribut nama artikel.
flowchart TD
id1[PUMA XTG WOVEN PANTS PUMA BLACK-PUMA WHITE] -. nama artikel .-> id2[PUMA XTG WOVEN PANTS]
id1 -. warna .-> id3[PUMA BLACK-PUMA WHITE]
Terdapat kebutuhan untuk meng-ekstrak atribut warna ini dari nama artikel sehingga misalnya, nama artikel dapat dipergunakan sebagai tampilan yang lebih bersih di halaman produk di e-commerce tanpa kehilangan informasi mengenai nama artikel yang utuh, lengkap dengan atribut warna-nya yang diberikan oleh vendor.
Kebutuhan untuk meng-ekstrak warna dari nama artikel ini juga nantinya diharapkan dapat digunakan sebagai bagian dari pembelajaran mesin untuk mengklasifikasikan warna yang diekstrak menjadi kode warna internal yang lebih seragam seperti BLA, GRN, WHT, ..., MTL, NOC.
Sebelum data dapat dipergunakan dalam proses training jaringan saraf tiruan, beberapa hal berikut akan terlebih dahulu dilakukan:
-
Pemrosesan raw data ke dalam potongan kata
Pada awalnya data merupakan daftar (list) dari semua
nama artikelbesertabrandyang ada saat ini, dalam bentuk csv sebagai berikutbrand nama_artikel ADI ADISSAGE-BLACK/BLACK/RUNWHT ADI ADISSAGE-N.NAVY/N.NAVY/RUNWHT ADI 3 STRIPE D 29.5-BASKETBALL NATURAL ADI 3S RUBBER X-BLACK ... ... WAR 125CM VINTAGE ORANGE Data ini akan dirubah menjadi
brand nama_artikel kata label urut_kata total_kata ADI ADISSAGE-BLACK/BLACK/RUNWHT ADISSAGE 1 4 ADI ADISSAGE-BLACK/BLACK/RUNWHT BLACK 2 4 ADI ADISSAGE-BLACK/BLACK/RUNWHT BLACK 3 4 ADI ADISSAGE-BLACK/BLACK/RUNWHT RUNWHT 4 4 ... ... ... ... ... WAR 125CM VINTAGE ORANGE 125CM 1 3 WAR 125CM VINTAGE ORANGE VINTAGE 2 3 WAR 125CM VINTAGE ORANGE ORANGE 3 3 Lalu akan dilakukan pengisian label pada kolom
labelsecara manual untuk dijadikan variabel dependen yang dijadikan sebagai target dalam proses training jaringan saraf tiruan seperti di bawah inibrand nama_artikel kata label urut_kata total_kata ADI ADISSAGE-BLACK/BLACK/RUNWHT ADISSAGE bukan_warna 1 4 ADI ADISSAGE-BLACK/BLACK/RUNWHT BLACK warna 2 4 ADI ADISSAGE-BLACK/BLACK/RUNWHT BLACK warna 3 4 ADI ADISSAGE-BLACK/BLACK/RUNWHT RUNWHT warna 4 4 ... ... ... ... ... ... WAR 125CM VINTAGE ORANGE 125CM bukan_warna 1 3 WAR 125CM VINTAGE ORANGE VINTAGE warna 2 3 WAR 125CM VINTAGE ORANGE ORANGE warna 3 3