論文の概要: AutoPKG: An Automated Framework for Dynamic E-commerce Product-Attribute Knowledge Graph Construction

• arxiv url: http://arxiv.org/abs/2604.16950v1
• Date: Sat, 18 Apr 2026 10:19:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.254584
• Title: AutoPKG: An Automated Framework for Dynamic E-commerce Product-Attribute Knowledge Graph Construction
• Title（参考訳）: AutoPKG: 動的Eコマース製品属性知識グラフ構築のためのフレームワーク
• Authors: Pollawat Hongwimol, Haoning Shang, Chutong Wang, Zhichao Wan, Yi Gao, Yuanming Li, Lin Gui, Wenhao Sun, Cheng Yu,
• Abstract要約: マルチモーダル製品コンテンツから製品属性知識グラフを自動的に構築するフレームワークであるAutoPKGを提案する。 AutoPKGは、オンデマンドで製品タイプとタイプ固有の属性キーを誘導し、テキストとイメージから属性値を抽出し、集中型決定エージェントを通じて更新を統合する。 提案手法は, エッジレベルの高精度F1を0.152改良し, 属性抽出の精度を0.208とした。
• 参考スコア（独自算出の注目度）: 16.724284353315934
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Product attribute extraction in e-commerce is bottlenecked by ontologies that are inconsistent, incomplete, and costly to maintain. We present AutoPKG, a multi-agent Large Language Model (LLM) framework that automatically constructs a Product-attribute Knowledge Graph (PKG) from multimodal product content. AutoPKG induces product types and type-specific attribute keys on demand, extracts attribute values from text and images, and consolidates updates through a centralized decision agent that maintains a globally consistent canonical graph. We also propose an evaluation protocol for dynamic PKGs that measures type and key validity, consolidation quality, and edge-level accuracy for value assertions after canonicalization. On a large real-world marketplace catalog dataset from Lazada (Alibaba), AutoPKG achieves up to 0.953 Weighted Knowledge Efficiency (WKE) for product types, 0.724 WKE for attribute keys, and 0.531 edge-level F1 for multimodal value extraction. Across three public benchmarks, our method improves edge-level exact-match F1 by 0.152 and yields a precision gain of 0.208 on the attribute extraction application. Online A/B tests show that AutoPKG-derived attributes increase Gross Merchandise Value (GMV) in Badge by 3.81 percent, in Search by 5.32 percent, and in Recommendation by 7.89 percent, supporting the practical value of AutoPKG in production.
• Abstract（参考訳）: eコマースにおける製品属性抽出は、一貫性がなく、不完全で、メンテナンスにコストがかかるオントロジーによってボトルネックされる。 マルチモーダル製品コンテンツから製品属性知識グラフ(PKG)を自動的に構築する多エージェント大規模言語モデル(LLM)フレームワークであるAutoPKGを提案する。 AutoPKGは、需要に応じて製品タイプとタイプ固有の属性キーを誘導し、テキストとイメージから属性値を抽出し、グローバルに一貫した標準グラフを保持する集中型決定エージェントを通じて更新を統合する。 また、正準化後の値アサーションに対するタイプとキーの妥当性、統合品質、エッジレベルの精度を計測する動的PKGの評価プロトコルを提案する。 Lazada(Alibaba)の大規模な実世界のマーケットプレイスカタログデータセットでは、製品タイプで0.953の重み付き知識効率(WKE)、属性キーで0.724のWKE、マルチモーダル値抽出で0.531のエッジレベルF1が達成されている。 3つの公開ベンチマークにおいて,提案手法はエッジレベルの精度マッチング F1 を0.152 改善し,属性抽出アプリケーションで0.208 の精度向上が得られる。 オンラインA/Bテストでは、AutoPKGに由来する属性は、BadgeのGross Merchandise Value(GMV)を3.81パーセント、検索で5.22%、推奨で7.99%増加し、生産におけるAutoPKGの実用的価値を支持している。

関連論文リスト

• Using LLMs for the Extraction and Normalization of Product Attribute Values [47.098255866050835]
  本稿では,大規模言語モデル(LLM)を用いて,製品タイトルや記述から属性値の抽出と正規化を行う可能性について検討する。 実験のために、Web Data Commons - Product Attribute Value extract (WDC-PAVE)ベンチマークデータセットを紹介します。
  論文  参考訳（メタデータ） (2024-03-04T15:39:59Z)
• Enhancing User Intent Capture in Session-Based Recommendation with Attribute Patterns [77.19390850643944]
  周波数属性パターン拡張変換器(FAPAT)を提案する。 FAPATは属性遷移グラフと一致する属性パターンを構築することで、ユーザの意図を特徴づける。 FAPATは、様々な評価指標に対して平均4.5%の最先端手法を一貫して上回っていることを実証する。
  論文  参考訳（メタデータ） (2023-12-23T03:28:18Z)
• Enhanced E-Commerce Attribute Extraction: Innovating with Decorative Relation Correction and LLAMA 2.0-Based Annotation [4.81846973621209]
  本稿では,分類のためのBERT,属性値抽出のための条件付きランダムフィールド(CRF)層,データアノテーションのための大規模言語モデル(LLM)を統合した先駆的フレームワークを提案する。 提案手法は, CRFのシーケンス復号技術と相乗化したBERTの頑健な表現学習を利用して, 属性値の同定と抽出を行う。 私たちの方法論は、Walmart、BestBuyのEコマースNERデータセット、CoNLLデータセットなど、さまざまなデータセットで厳格に検証されています。
  論文  参考訳（メタデータ） (2023-12-09T08:26:30Z)
• ExtractGPT: Exploring the Potential of Large Language Models for Product Attribute Value Extraction [51.87391234815163]
  電子商取引プラットフォームは、属性と値のペアという形で構造化された製品データを必要とする。 BERTベースの抽出法では,タスク固有の大量のトレーニングデータを必要とする。 本稿では,大規模言語モデル (LLM) を,より訓練的かつ堅牢な代替手段として活用することを検討する。
  論文  参考訳（メタデータ） (2023-10-19T07:39:00Z)
• A Unified Generative Approach to Product Attribute-Value Identification [6.752749933406399]
  本稿では,製品属性値識別(PAVI)タスクに対する生成的アプローチについて検討する。 我々は、予め訓練された生成モデルT5を微調整し、与えられた製品テキストから属性値対のセットをターゲットシーケンスとしてデコードする。 提案手法が既存の抽出法や分類法よりも優れていることを示す実験結果を得た。
  論文  参考訳（メタデータ） (2023-06-09T00:33:30Z)

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。