摘要：乐天法国多模态产品分类数据集（Rakuten France Multimodal Product Classification Dataset）是一个面向电子商务商品自动分类、图文联合理解和多模态机器学习研究的数据集。
数据集概述
乐天法国多模态产品分类数据集（Rakuten France Multimodal Product Classification Dataset）是一个面向电子商务商品自动分类、图文联合理解和多模态机器学习研究的数据集。数据来自法国乐天（Rakuten France）电商平台，每个商品样本通常同时包含商品文本描述与商品图片，并通过商品类别标签进行监督学习。该数据集适合研究文本信息与视觉信息之间的互补关系，可用于构建商品类别识别、自动标签生成以及电商内容理解模型。
数据结构与关键特征
数据主要由商品图片以及3个CSV文件组成。X_train_update.csv 为训练集特征文件，通常包含商品名称或标题（designation）、商品描述（description）、商品编号（productid）和图片编号（imageid）等信息，可通过图片ID关联对应商品图像；Y_train_CVw08PX.csv 为训练集标签文件，核心字段通常为 prdtypecode，表示商品所属的产品类别；X_test_update.csv 与训练特征文件结构基本一致，但不包含目标类别标签，用于模型最终预测。整体形成“商品文本 + 商品图片 → 商品类别”的典型多模态分类结构。
应用价值与研究方向
该数据集适用于多模态商品分类、商品图文匹配、电商搜索、智能推荐和商品信息自动整理等任务。文本部分可采用 TF-IDF、BERT、CamemBERT 等方法提取法语语义特征，图像部分可使用 ResNet、EfficientNet、Vision Transformer 等模型提取视觉特征，再通过特征融合、注意力机制或 CLIP 类视觉语言模型完成多模态分类。进一步可研究类别不平衡、文本缺失、低质量商品图片、跨模态特征对齐以及大型视觉语言模型在电商商品理解中的应用。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-460
文件大小：2.4G
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)