2016 übermittelten die zuständigen Behörden der Mitgliedsstaaten mehr als 2.044 Warnungen vor gefährlichen Produkten über das Schnellwarnsystem der EU. 244 dieser Produkte wurden nachweislich über das Internet vertrieben. Quelle: https://ec.europa.eu/germany/news/spielzeug-schuhe-schmuck-mehr-als-2000-gef%C3%A4hrliche-produkte-l%C3%B6sten-eu-weiten-alarm-aus_de abgerufen am 26.01.2018

Finger weg!Maschinelles Auffinden und Klassifizieren von risikobehafteten Produkten zur Unterstützung der Marktüberwachung

Der Onlinehandel wächst. Durch Globalisierung und digitale Vernetzung ist es möglich, jede Art von Produkt weltweit online zu vertreiben und zu kaufen. Den europäischen Markt erreichen auf unterschiedlichen Vertriebswegen eine Fülle von Produkten mit hohen Qualitätsschwankungen und teilweise gefährlichen Eigenschaften. Aufgabe der Marktüberwachungsbehörden ist es u. a., im Internet gehandelte Produkte, von denen ein Risiko für die Verbraucher ausgeht, aufzufinden und zu verhindern, dass diese auf dem europäischen Markt verbleiben.

Die Vielzahl der Produkte und die Dynamik des Onlinehandels erschweren die effiziente Kontrolle des Marktes. Der Einsatz von Big-Data-Methoden, um gefährliche Produkte automatisch anhand von Kundenrezensionen zu identifizieren, ist eine Möglichkeit die Marktüberwachungsbehörden zu unterstützen. Die Nutzung von Rezensionen bietet sich an, weil in diesen über positive und negative, aber vor allem über gefährliche Produkteigenschaften berichtet wird.

26%

18%

13%7%

5%

31%

Meldungen gefährlicher Produkte nach Produktkategorien 2016

Spielzeuge

Fahrzeuge

Textilien und Kleidung

Elektronische Produkte

Bedarfsgegenstände fürKinder

Wie können Kundenrezensionen…

DatenbasisFür die effiziente und automatische Marküberwachung mittels Big-Data-Methoden müssen in regelmäßigen Abständen aktuelle Kundenrezensionen (Daten) beschafft und ausgewertet werden. Besonders Rezensionen von „neutralen“ Bewertungsportalen, bei denen Verkäufer oder Hersteller diese nicht manipulieren können (z. B. durch Löschung von negativen Rezensionen), sind zuverlässig. Auch die Berücksichtigung von Rezensionen nach einem „verifizierten Kauf“ hilft gefälschte Rezensionen im Vorfeld auszuschließen.

DatenvorbereitungIm Preprocessing findet eine Vorverarbeitung der Daten statt. Zunächst werden positive Produktbewertungen (vier bis fünf Sterne) entfernt. Die verbliebenen Rezensionen werden um Wörter, die keinen zusätzlichen Informations-gewinn bringen (z. B. bestimmte oder unbestimmte Artikel), mit einer Stoppwortliste bereinigt. Mit einem Stemming werden semantisch gleiche Wörter unter ihrem gemeinsamen Wortstamm zusammengefasst und aussagekräftiger gemacht. Durch die unveränderten produktbezogen Daten (Produktbezeichnung, Hersteller, etc.) kann das Produkt später für Recherchen eindeutig identifiziert werden.

TextrepräsentationDie verwendeten Klassifizierer können die Semantik der Texte nicht anhand des Sinns einzelner Wörter verstehen. Deshalb müssen die Texte in eine mathematische Form „übersetzt“ werden. Mit dieser können daraufhin Wörter verglichen und einem Kontext zugeordnet werden. In diesem Projekt wurden zwei gängige Methoden getestet.• Bag of words zählt die Wörter einer Rezension und

erstellt aus diesen einen Vektor.• Explicit semantic Analysis nutzt eine vektorielle

Darstellung einer externen Datenbank. Dabei werden für jedes Wort mehrere Vektoren erstellt. Sie stellen die Entfernung der Wörter aus der externen Datenbank zu einem Wort dar. Aus diesem wird ein „Mittelpunkt“ gebildet und dient als Wortvektor.

KlassifikationDie eigentliche Textklassifikation erfolgt über drei praxiserprobte Verfahren, die parallel getestet werden. Die Verfahren basieren auf dem Prinzip des maschinellen Lernens, das unbekannte Datensätze einer bestimmten Klasse zuordnet. Jedoch benötigt das Verfahren zum „Trainieren“ bereits klassifizierte Datensätze. Die hier verwendeten Verfahren zur Textklassifizierung sind

• Support-Vector-Machine (SVM), • datenloses Co-Klassifizieren,• datenlose hierarchische Klassifizierung.

Sie ordnen die Produkte den Risikoklassen „Mechanische Gefahr“, „Brandgefahr“, „Chemische Gefahr“ und „Elektrische Gefahr“ zu. Neben händisch erstellten Trainingsdaten bilden textuelle Beschreibungen der Risikoklassen die Basis. Sie enthalten erste „feuernde Ausdrücke“ wie beispielsweise „Brand“.

SortierungUm eine schnellere Interpretation der Ergebnisse zu ermöglichen, erfolgt eine weitere Sortierung der Daten. Für jede Risikoklasse wird daher eine interne Prioritätenliste erstellt, in der die gefährlichste Produkt-kategorie definiert wird. Kinderspielzeug erhält beispielsweise eine höhere Gewichtung als Garten-dekoration.

EvaluierungIn einem ersten Testlauf wurden 1.200 Rezensionen analysiert. Aus diesen Rezensionen konnten 720 Produkte händisch als potenziell gefährlich identifiziert und einer Risikoklasse zugeordnet werden. Mit derselben, nun vergleichbaren, Datenbasis wurde die abschließenden Evaluierung der Textklassifizierungsverfahren durchgeführt. Der Co-Klassifizierer erzielte das beste Ergebnis und ordnete 655 Produkte korrekt einer Risikoklasse zu. Aufbauend auf diesen positiven Ergebnissen erfolgt die Optimierung der Verfahren, sowie die Anpassung und Erprobung an weiteren Onlineshop-systemen.

…Unfälle verhindern?

Nachdem beide Klassifizierer auf einer textuellen Beschreibung der Risikoklassen trainiert wurden, durchlaufen alle Kundenrezensionen beide Klassifizierer. Eine Klassifikation in die Risikoklassen erfolgt nur, wenn beide Klassifizierer das Produkt als risikobehaftet einteilen. Rezensionen, die nur durch einen Klassifizierer eingeteilt wurden, durchlaufen den Prozess zu einem späteren Zeitpunkt erneut. Durch die eindeutige Zuteilung werden gleichzeitig neue Trainingsdaten generiert.

Mit Hilfe einer Baumstruktur, klassifizieren zwei Klassifizierer auf zwei Ebenen zunächst alle Kundenrezensionen.Die n vielversprechendsten Rezensionen werden für das weitere Trainieren genutzt. Nicht eingeteilte Rezensionen durchlaufen den Prozess zu einem späteren Zeitpunkt erneut. Dieser Vorgang wieder-holt sich, bis alle Rezensionen klassifiziert werden konnten.

Schematische Darstellung der Co-Klassifizierung

Schematische Darstellung der hierarchischen Klassifizierung

Eine SVM trennt Daten verschiedener Klassen durch eine Trennebene. Es gibt mehrere mögliche Trennebenen (z. B. Ebenen A und B). Die SVM versucht dabei den Abstand der Datenklassen (in diesem Fall Wörter) möglichst groß zu halten. Folglich würde Ebene A ausgewählt und Ebene B verworfen werden. Neu hinzugefügte Daten können so möglichst korrekt zugeordnet werden.

Schematische Darstellung der Support-Vector-Machine (SVM)

1 2

D. Schnura1,2

, M. Pendzich2, T. Bleyer

2

441

2

3

5

6

1

2

3

5

6

Foliennummer 1

/ColorImageDict > /JPEG2000ColorACSImageDict > /JPEG2000ColorImageDict > /AntiAliasGrayImages false /CropGrayImages true /GrayImageMinResolution 300 /GrayImageMinResolutionPolicy /OK /DownsampleGrayImages true /GrayImageDownsampleType /Bicubic /GrayImageResolution 300 /GrayImageDepth -1 /GrayImageMinDownsampleDepth 2 /GrayImageDownsampleThreshold 1.50000 /EncodeGrayImages true /GrayImageFilter /DCTEncode /AutoFilterGrayImages true /GrayImageAutoFilterStrategy /JPEG /GrayACSImageDict > /GrayImageDict > /JPEG2000GrayACSImageDict > /JPEG2000GrayImageDict > /AntiAliasMonoImages false /CropMonoImages true /MonoImageMinResolution 1200 /MonoImageMinResolutionPolicy /OK /DownsampleMonoImages true /MonoImageDownsampleType /Bicubic /MonoImageResolution 1200 /MonoImageDepth -1 /MonoImageDownsampleThreshold 1.50000 /EncodeMonoImages true /MonoImageFilter /CCITTFaxEncode /MonoImageDict > /AllowPSXObjects false /CheckCompliance [ /None ] /PDFX1aCheck false /PDFX3Check false /PDFXCompliantPDFOnly false /PDFXNoTrimBoxError true /PDFXTrimBoxToMediaBoxOffset [ 0.00000 0.00000 0.00000 0.00000 ] /PDFXSetBleedBoxToMediaBox true /PDFXBleedBoxToTrimBoxOffset [ 0.00000 0.00000 0.00000 0.00000 ] /PDFXOutputIntentProfile () /PDFXOutputConditionIdentifier () /PDFXOutputCondition () /PDFXRegistryName () /PDFXTrapped /False

/CreateJDFFile false /Description > /Namespace [ (Adobe) (Common) (1.0) ] /OtherNamespaces [ > /FormElements false /GenerateStructure false /IncludeBookmarks false /IncludeHyperlinks false /IncludeInteractive false /IncludeLayers false /IncludeProfiles false /MultimediaHandling /UseObjectSettings /Namespace [ (Adobe) (CreativeSuite) (2.0) ] /PDFXOutputIntentProfileSelector /DocumentCMYK /PreserveEditing true /UntaggedCMYKHandling /LeaveUntagged /UntaggedRGBHandling /UseDocumentProfile /UseDocumentBleed false >> ]>> setdistillerparams> setpagedevice