我是机器学习和自然语言处理 (NLP) 的新手。我试图从产品标题中确定产品具有哪个品牌、产品名称、尺寸、颜色……。也就是说，从
'索尼 ZX 系列有线头戴式耳机，黑色 MDR-ZX110 '
我要提取
' brand=''Sony'' '，' item=''耳机'' '，' color=''Black'' '，' model_number=''MDR-ZX110'' '。
我知道这相当于自定义命名实体识别。
我的算法应该做的最低限度是识别“ item ”属性值，即它应该认识到上面的例子是指“耳机”。
我的数据集包含上面的产品标题，以及从电子商务网站上抓取的适当属性值对。
哪种深度学习算法最适合解决这个问题？我应该选择从哪种类型的输入（嵌入？）、神经网络模型、输出层开始？
我目前正在做一个类似的项目，但仅限于产品标题中的品牌检测，该任务是命名实体识别任务，可以通过不同的模型来解决，最常用的是BI-LSTM + CRF（Bidirection LSTM with a CRF上一层）。您可以尝试将 spaCy 用于具有良好文档和良好工作流程的任务来训练 NER 模型。或者您可以使用tensorflow（这里有一个很好的教程）或PyTorch（这里有一个教程）自己构建模型
显然，您将需要带注释的数据来训练您的模型。
这里有一些论文可能会帮助您获得一些见解（至少它们对我有用）：
编辑
您可以在这里找到与您的项目相似的预训练模型项目：https ://github.com/annis-souames/brand-ner
这是 Github 上的第二个项目： https ://github.com/maciej-cecot/brand-detection