商品上架前的属性填写是零售电商长期的人力消耗点：标题口语化、规格散落在详情图与参数表里、类目挂载依赖运营经验。我们在实验室用约12万条脱敏SKU样本做了一轮阶段性实验，把任务拆成三步——图文属性抽取、类目候选召回、冲突校验。
要点一：抽取环节由视觉编码器读取参数表与规格图，文本侧只取标题与卖点短句，两路特征对齐后按属性槽位输出；对缺失槽位显式标注“未提供”，避免模型编造数值。类目挂载采用“召回+重排”，用属性与类目模板做一致性打分，冲突项回落人工队列。
要点二：在服饰、3C配件、家居三类目上，属性字段抽取准确率约86%~91%，数值类（尺寸、容量、材质）明显高于主观类（风格、适用场景）；类目一次挂载通过率约88%，剩余12%集中在跨类目近义模板与套装商品。剩余错误多来自多规格同图与图中改版信息。
下一步计划：把校验规则从静态阈值改为按类目动态生成，并引入上新后的退货与差评信号做反向归因，验证属性错误与售后问题的相关性。
评论