基于大语言模型的电商时尚产品属性提取

产品属性提取是电商商业领域的快速发展方向，several应用包括产品排序、产品推荐、未来搭配计划以及改善线上购物客户体验。了解客户需求是线上商业的关键环节，尤其是时尚产品。零售商利用搭配计划来确定每家门店和每个渠道要提供的产品组合，保持对市场动态的响应，并管理库存和目录。目标是为客户提供恰当的款式、尺寸和颜色，通过恰当的渠道进行分销。当购物者找到满足其需求与愿望的产品时，更容易返回进行未来购买，促进客户忠诚度。产品属性是搭配计划的关键因素。本文提出PAE，一款用于从PDF格式的文本和图片中提取产品属性的算法，专注于未来时尚趋势报告。大多数现有方法侧重于从标题或产品描述中提取属性，或利用现有产品图片的视觉信息。与 prior 工作不同，我们的工作聚焦于从PDF文件中提取属性，这些文件解释了即将到来的时尚趋势。这一工作提出了更全面的框架，充分利用不同模式进行属性提取，帮助零售商提前规划搭配。我们的贡献有三点：(a) 我们开发了PAE，一个高效的框架，从非结构化数据（文本和图片）中提取属性；(b) 我们提供了基于BERT表示的目录匹配方法，用于发现现有属性的同时利用即将出现的属性值；(c) 我们进行了大量实验，使用多个基线方法表明PAE是有效的、灵活的，且在属性值提取任务中表现优异或相当（平均F1分数92.5%）。