在零售电商场景中，长尾商品属性缺失会直接影响搜索召回、筛选导航与推荐标签，人工回填成本高且口径不一。本实验室近期围绕“从已有商品内容中自动补全结构化属性”做了一组实验：输入标题、主图、详情页文本与类目信息，先由多模态模型抽取候选属性，再用类目属性模板做约束校验，包括取值域、单位与互斥关系。
进展要点：
· 首批试点类目中，关键属性（材质、规格、适用人群等）自动补全覆盖率由约六成提升至近九成，抽样准确率约九成；错误集中在同款多规格、图文不一致与套装商品。
· 采用置信度分流：高置信结果自动写入，低置信进入人工抽检队列，单条人工处理时长下降。
下一步计划：将补全结果接入搜索召回的 A/B 实验，观察筛选使用率与转化变化；同时建立错例回流机制，让运营修正结果持续进入评测集，而不是只依赖一次性模型迭代。
评论