AutoPKG：用于动态电商产品-属性知识图谱构建的自动化框架
人工智能
2026-04-21 v1
摘要
电商中的产品属性提取受限于本构不一致、不完整且维护成本高的本构。我们提出 AutoPKG，一个多智能体大型语言模型（LLM）框架，能够自动从多模态产品内容构建产品-属性知识图谱（PKG）。AutoPKG 按需诱导产品类型和类型特定属性键，从文本和图像中提取属性值，并通过集中决策代理整合更新，维护全局一致的规范图谱。我们还提出了用于动态 PKG 的评估协议，衡量类型和键的有效性、整合质量以及规范化后属性值断言的边缘准确性。在来自 Lazada（阿里巴巴）的大型真实世界市场目录数据集上，AutoPKG 实现了最高达 0.953 的加权知识效率（WKE）用于产品类型，0.724 WKE 用于属性键，以及 0.531 的边缘 F1 用于多模态值提取。在三个公共基准数据集中，我们的方法将边缘级精确匹配 F1 提升了 0.152，属性提取应用的精度提升了 0.208。在线 A/B 测试显示，AutoPKG 生成的属性在 Badge 中的 GMV 提升 3.81 百分比，在搜索中提升 5.32 百分比，在推荐中提升 7.89 百分比，支持 AutoPKG 在生产环境中的实际价值。
引用
@article{arxiv.2604.16950,
title = {AutoPKG: An Automated Framework for Dynamic E-commerce Product-Attribute Knowledge Graph Construction},
author = {Pollawat Hongwimol and Haoning Shang and Chutong Wang and Zhichao Wan and Yi Gao and Yuanming Li and Lin Gui and Wenhao Sun and Cheng Yu},
journal= {arXiv preprint arXiv:2604.16950},
year = {2026}
}
备注
Accepted as ACL 2026 Findings