基于 RAG 的情境感知电商产品问答
计算与语言
2025-08-05 v1
摘要
电商产品页面包含结构化规格、非结构化评论以及诸如个性化优惠或地区变体等情境元素的混合。虽然信息丰富，但会导致认知过载，使用户难以快速准确地找到所需信息。现有的产品问答（PQA）系统往往无法有效利用丰富的用户情境和多样化的产品信息。我们提出了一个基于检索增强生成（RAG）的电商 PQA 可扩展、端到端框架，通过深度整合情境理解实现情境感知。该系统利用对话历史、用户轮廓和产品属性交付相关且个性化的答案。它能熟练处理客观、主观和多意图查询，跨越异构信息源，同时识别目录中的信息缺口以支持持续内容改进。我们还引入了衡量该框架性能的新型指标，这些指标广泛适用于 RAG 系统评估。
引用
@article{arxiv.2508.01990,
title = {Contextually Aware E-Commerce Product Question Answering using RAG},
author = {Praveen Tangarajan and Anand A. Rajasekar and Manish Rathi and Vinay Rao Dandin and Ozan Ersoy},
journal= {arXiv preprint arXiv:2508.01990},
year = {2025}
}
备注
6 pages, 1 figure, 5 tables. Preprint under review