零售场景里，一条差评常常同时写了尺码、色差和物流三件事，粗粒度的好评/差评标签很难直接指导运营。本阶段实验把商品评论拆成属性级的评价单元：先由规则与模型共同识别评论指向的属性（外观、尺码、材质、物流、客服等），再判断每个属性的极性并抽取证据句，最终输出「属性—极性—证据」三元组，所有结论都能回链到原文片段，便于人工复核。
做法上采用弱监督起步：用星级、退货原因、客服会话标签构造远监督信号，冷启动阶段只需少量人工标注即可上线；证据句优先保证可读与可核查，而不是追求句式复杂度。
- 进展：已在 3 个类目约 11 万条评论上完成离线评测，属性级情感判定 F1 约 0.85，差评属性归因优于整条评论二分类基线；试运行期间客服首次响应的话术命中率提升约 9 个百分点。
- 下一步：把属性级结论回流到详情页卖点排序与尺码提示位，并按「属性—退货原因」做交叉分析，验证能否提前暴露高退货风险商品。
评论