面向 LLM 产品属性值抽取的自我精炼策略
计算与语言
2025-02-17 v2
摘要
结构化产品数据（属性值对形式）是电子商务平台实现面向属性的产品搜索和属性比较等功能的关键。然而，供应商常提供非结构化的产品描述，使得属性值抽取成为必要，以确保数据一致性和可用性。大型语言模型（Large Language Model, LLM）在零样本场景下展现出在产品属性值抽取方面的潜力。近期研究表明，自我精炼技术可提升 LLM 在代码生成和文本到 SQL 转换等任务上的性能。然而，对于其他任务，这些技术的结果是增加额外标记代价，却未实现性能提升。本文探讨了将两种自我精炼技术（基于错误的提示词重写和自我纠正）应用于产品属性值抽取任务。我们在零样本、few-shot 场景以及微调情境下使用 GPT-4o 评估了这些自我精炼技术。实验结果表明，这两种自我精炼技术均未显著提升抽取性能，却大幅增加了处理成本。在开发数据可用的场景下，微调方案能获得最佳性能；随着产品描述数量的增加，微调的上升成本将逐步被平衡。
引用
@article{arxiv.2501.01237,
title = {Self-Refinement Strategies for LLM-based Product Attribute Value Extraction},
author = {Alexander Brinkmann and Christian Bizer},
journal= {arXiv preprint arXiv:2501.01237},
year = {2025}
}