यह अध्ययन ई-कॉमर्स उत्पाद वर्गीकरण की औद्योगिक चुनौतियों, जैसे प्लेटफ़ॉर्म विविधता और मौजूदा वर्गीकरण प्रणालियों की संरचनात्मक सीमाओं, का समाधान करने के लिए एक बहुविध पदानुक्रमित वर्गीकरण ढाँचा विकसित और परिनियोजित करता है। 40 अंतर्राष्ट्रीय फ़ैशन ई-कॉमर्स प्लेटफ़ॉर्म से एकत्रित 271,700 उत्पादों के डेटासेट का उपयोग करते हुए, हमने पाठ्य विशेषताओं (RoBERTa), दृश्य विशेषताओं (ViT), और एक संयुक्त दृश्य-भाषाई निरूपण (CLIP) को एकीकृत किया है। हम एक पदानुक्रमित संरचना के भीतर प्रारंभिक, विलंबित और ध्यान-आधारित संलयन रणनीतियों का अन्वेषण करते हैं, और वर्गीकरण प्रणाली की एकरूपता सुनिश्चित करने के लिए गतिशील मास्किंग को बढ़ाते हैं। परिणामस्वरूप, MLP-आधारित विलंबित संलयन रणनीति का उपयोग करते हुए CLIP एम्बेडिंग ने उच्चतम पदानुक्रमित F1 स्कोर (98.59%) प्राप्त किया, जो एकल-मोडल बेसलाइन मॉडल से बेहतर प्रदर्शन करता है। उथली या असंगत श्रेणियों को संबोधित करने के लिए, हमने SimCLR, UMAP, और कैस्केड क्लस्टरिंग का उपयोग करके एक स्व-पर्यवेक्षित शिक्षण-आधारित "उत्पाद पुनर्वर्गीकरण" पाइपलाइन प्रस्तुत की है। यह पाइपलाइन 86% से अधिक क्लस्टर शुद्धता वाली नई, सूक्ष्म श्रेणियों (जैसे, "जूते" के उपप्रकार) की खोज करती है। क्रॉस-प्लेटफ़ॉर्म प्रयोग परिनियोजन ट्रेडऑफ़ प्रदर्शित करते हैं। जहाँ जटिल लेट-फ़्यूज़न विधियाँ विविध प्रशिक्षण डेटा का उपयोग करके सटीकता को अधिकतम करती हैं, वहीं सरल अर्ली-फ़्यूज़न विधियाँ अनदेखे प्लेटफ़ॉर्म पर अधिक प्रभावी ढंग से सामान्यीकृत होती हैं। अंत में, हम एक हल्के RoBERTa चरण और एक GPU-त्वरित बहु-मोडल चरण को मिलाकर दो-चरणीय अनुमान पाइपलाइन का उपयोग करके EURWEB के वाणिज्यिक लेनदेन सूचना प्लेटफ़ॉर्म पर फ़्रेमवर्क को परिनियोजित करके औद्योगिक मापनीयता प्रदर्शित करते हैं।
