Fugu-MT 論文翻訳(概要): AI Agent-Driven Framework for Automated Product Knowledge Graph Construction in E-Commerce

論文の概要: AI Agent-Driven Framework for Automated Product Knowledge Graph Construction in E-Commerce

arxiv url: http://arxiv.org/abs/2511.11017v1
Date: Fri, 14 Nov 2025 07:09:13 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-17 22:42:18.470261
Title: AI Agent-Driven Framework for Automated Product Knowledge Graph Construction in E-Commerce
Title（参考訳）: EコマースにおけるAIエージェント駆動型製品知識グラフ構築フレームワーク
Authors: Dimitar Peshevski, Riste Stojanov, Dimitar Trajanov,
Abstract要約: 本稿では、非構造化製品記述から直接製品知識グラフを構築するための、完全に自動化されたAIエージェント駆動フレームワークを紹介する。本研究では,実環境におけるエアコン製品記述のデータセットを用いて評価を行う。
参考スコア（独自算出の注目度）: 0.05882087655172317
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The rapid expansion of e-commerce platforms generates vast amounts of unstructured product data, creating significant challenges for information retrieval, recommendation systems, and data analytics. Knowledge Graphs (KGs) offer a structured, interpretable format to organize such data, yet constructing product-specific KGs remains a complex and manual process. This paper introduces a fully automated, AI agent-driven framework for constructing product knowledge graphs directly from unstructured product descriptions. Leveraging Large Language Models (LLMs), our method operates in three stages using dedicated agents: ontology creation and expansion, ontology refinement, and knowledge graph population. This agent-based approach ensures semantic coherence, scalability, and high-quality output without relying on predefined schemas or handcrafted extraction rules. We evaluate the system on a real-world dataset of air conditioner product descriptions, demonstrating strong performance in both ontology generation and KG population. The framework achieves over 97\% property coverage and minimal redundancy, validating its effectiveness and practical applicability. Our work highlights the potential of LLMs to automate structured knowledge extraction in retail, providing a scalable path toward intelligent product data integration and utilization.
Abstract（参考訳）: 電子商取引プラットフォームの急速な拡大は、膨大な量の非構造化製品データを生成し、情報検索、レコメンデーションシステム、データ分析といった重要な課題を生み出している。知識グラフ(KG)は、そのようなデータを整理するための構造化された解釈可能なフォーマットを提供するが、製品固有のKGの構築は複雑で手作業のプロセスのままである。本稿では、非構造化製品記述から直接製品知識グラフを構築するための、完全に自動化されたAIエージェント駆動フレームワークを紹介する。大規模言語モデル(LLM)を活用することで,オントロジーの生成と拡張,オントロジーの洗練,知識グラフの人口の3段階を専門エージェントとして運用する。このエージェントベースのアプローチは、事前に定義されたスキーマや手作業による抽出ルールに頼ることなく、セマンティックコヒーレンス、スケーラビリティ、高品質な出力を保証する。本研究では,実環境におけるエアコン製品記述のデータセットを用いて,オントロジー生成とKG集団の双方において高い性能を示す。このフレームワークは、97%以上のプロパティカバレッジと最小冗長性を達成し、その有効性と実用性を検証する。我々の研究は、LLMが小売業における構造化知識抽出を自動化する可能性を強調し、インテリジェントな製品データ統合と利用に向けてスケーラブルな経路を提供する。

関連論文リスト

FELA: A Multi-Agent Evolutionary System for Feature Engineering of Industrial Event Log Data [7.129004248608012]
イベントログデータは、現代のデジタルサービスにとって最も価値のある資産の1つである。 AutoMLや遺伝的手法のような既存の機能エンジニアリングアプローチは、しばしば限定的な説明責任に悩まされる。複雑なイベントログデータから有意義かつ高性能な特徴を自律的に抽出するマルチエージェント進化システムFELAを提案する。
論文参考訳（メタデータ） (2025-10-29T06:57:32Z)
LLM/Agent-as-Data-Analyst: A Survey [54.08761322298559]
大規模言語モデル(LLM)とエージェント技術は、データ分析タスクの機能と開発パラダイムに根本的な変化をもたらした。 LLMは複雑なデータ理解、自然言語、意味分析機能、自律パイプラインオーケストレーションを可能にする。
論文参考訳（メタデータ） (2025-09-28T17:31:38Z)
EPIC: Generative AI Platform for Accelerating HPC Operational Data Analytics [3.6462220158488985]
EPICは、運用データ分析を強化するために設計された、AI駆動のプラットフォームである。階層的なマルチエージェントアーキテクチャを採用しており、トップレベルの大規模言語モデルがクエリ処理、推論、合成機能を提供する。情報検索、記述分析、予測分析の3つの専門的な低レベルエージェントを編成する。
論文参考訳（メタデータ） (2025-08-29T15:55:07Z)
WebShaper: Agentically Data Synthesizing via Information-Seeking Formalization [68.46693401421923]
WebShaperは集合論を通してISタスクを体系的に定式化する。 WebShaperは、GAIAおよびWebWalkerQAベンチマーク上で、オープンソースISエージェントの最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2025-07-20T17:53:37Z)
Automated Extraction and Creation of FBS Design Reasoning Knowledge Graphs from Structured Data in Product Catalogues Lacking Contextual Information [0.10840985826142427]
オントロジーに基づく知識グラフ(KG)は,様々な意思決定シナリオにおいて,効果的な知識管理と再利用が望ましい。 KGの自動抽出と生成に関するほとんどの研究は、広範囲な非構造化データセットに基づいている。本研究は,このギャップに対処するために開発された手法とデジタルワークフローについて報告する。
論文参考訳（メタデータ） (2024-12-08T09:20:25Z)
Hierarchical Knowledge Graph Construction from Images for Scalable E-Commerce [17.97354500453661]
生の製品画像から構造化された製品知識グラフを構築するための新しい手法を提案する。この手法は視覚言語モデル(VLM)と大規模言語モデル(LLM)の最近の進歩を協調的に活用する。
論文参考訳（メタデータ） (2024-10-28T17:34:05Z)
Contextualization Distillation from Large Language Model for Knowledge Graph Completion [51.126166442122546]
我々は、差別的かつ生成的なKGCフレームワークと互換性のあるプラグイン・アンド・プレイ方式であるContextualization Distillation戦略を導入する。提案手法は,大規模言語モデルに対して,コンパクトで構造的な三重項を文脈に富んだセグメントに変換するように指示することから始まる。多様なデータセットとKGC技術にわたる総合的な評価は、我々のアプローチの有効性と適応性を強調している。
論文参考訳（メタデータ） (2024-01-28T08:56:49Z)
An Open-Source Knowledge Graph Ecosystem for the Life Sciences [5.665519167428707]
PheKnowLatorは、存在論的基盤を持つ知識グラフの構築を自動化するセマンティックエコシステムである。エコシステムには、KG構築リソース、分析ツール、ベンチマークが含まれている。 PheKnowLatorは、パフォーマンスやユーザビリティを損なうことなく、完全にカスタマイズ可能なKGを可能にする。
論文参考訳（メタデータ） (2023-07-11T18:55:09Z)
Schema-aware Reference as Prompt Improves Data-Efficient Knowledge Graph Construction [57.854498238624366]
本稿では,データ効率のよい知識グラフ構築のためのRAP(Schema-Aware Reference As Prompt)の検索手法を提案する。 RAPは、人間の注釈付きおよび弱教師付きデータから受け継いだスキーマと知識を、各サンプルのプロンプトとして動的に活用することができる。
論文参考訳（メタデータ） (2022-10-19T16:40:28Z)
ENT-DESC: Entity Description Generation by Exploring Knowledge Graph [53.03778194567752]
実際には、出力記述が最も重要な知識のみをカバーするため、入力知識は十分以上である可能性がある。我々は、KG-to-textにおけるこのような実践的なシナリオの研究を容易にするために、大規模で挑戦的なデータセットを導入する。本稿では,元のグラフ情報をより包括的に表現できるマルチグラフ構造を提案する。
論文参考訳（メタデータ） (2020-04-30T14:16:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。