AutoPKG：面向动态电商商品属性知识图谱构建的自动化框架

电商商品属性提取受制于不一致、不完整且维护成本高的本体。我们提出AutoPKG，一个多智能体大语言模型（LLM）框架，可从多模态商品内容自动构建商品属性知识图谱（PKG）。AutoPKG按需归纳商品类型与类型特定的属性键，从文本和图像中抽取属性值，并通过一个集中式决策智能体整合更新，以维护全局一致的规范图。我们还提出面向动态PKG的评估协议，衡量类型与键的有效性、整合质量以及规范化后取值断言的边级准确率。在来自Lazada（阿里巴巴）的大型真实电商平台商品目录数据集上，AutoPKG在商品类型上达到最高0.953的加权知识效率（WKE），属性键达到0.724 WKE，多模态取值抽取的边级F1达到0.531。在三个公开基准上，该方法将边级精确匹配F1提升0.152，在属性抽取应用上带来0.208的精确率增益。线上A/B测试显示，AutoPKG衍生的属性使Badge场景的商品交易总额（GMV）提升3.81%，Search提升5.32%，Recommendation提升7.89%，印证了AutoPKG在生产环境中的实用价值。