Modell-Infrastruktur

Detaillierte Übersicht der verfügbaren Klassifizierungs-Engines für die Erkennung von Dropshipping-Inhalten.

Legacy

CLT-DS-1

Basierend auf statistischer NLP und Keyword-Clustering. Schnell, aber weniger kontextbewusst.
Erkennungsrate 88.4%
Latenz (avg) 5ms
Datensätze 45.000+
Best Threshold 0.025**
SOTA

CLT-DS-2

Das aktuelle Standardmodell. Nutzt Deep-Learning Transformer (BERT-basiert) für semantische Analyse.
Erkennungsrate 97.8%
Latenz (avg) 5ms
Datensätze 100.000+
Best Threshold 0.025**
Alpha

CLT-DS-2.1
CLT-DS-2.2

Experimentelle Engine. Genauere erkennung mit besserer Threshold analyse
Erkennungsrate XX.X%
Latenz (avg) 5ms
Datensätze 100.000+
Best Threshold 0.75+**
* Statistiken basieren auf dem CLT-Val-Set v4.2 (n=50.000 Samples).
** Der "Best Threshold" ist der optimale Schwellenwert für die Klassifizierung. Höhere Werte führen zu weniger False Positives, aber mehr False Negatives. Es wird empfohlen, diesen Wert je nach Anwendungsfall anzupassen.