BEATS：通过迭代人机协作引导电子商务属性分类法进行搜索

新兴市场的电子商务平台通常使用不发达的产品目录，这些目录仅包含类别分类法，但缺乏结构化的属性模式。缺乏细粒度的产品属性限制了搜索能力——阻止分面过滤、降低查询理解能力并削弱搜索系统使用的语义表示。我们推出了 BEATS，这是一个人机交互 LLM 框架，用于完全从头开始引导产品属性分类法。我们的方法扩展了多阶段 LLM 生成管道，具有两个关键生产阶段：(1) 模型开发人员主动进行质量检查，以过滤错误的输出；(2) 由领域专家本地员工进行人工注释，以验证生成的属性。该框架迭代运行——每个生成阶段的提示都会根据连续轮次的质量检查观察结果和注释者反馈进行细化，从而逐步提高属性质量。一旦建立了属性分类，我们就使用 LLM 对单个产品项目执行结构化属性标记，丰富其上下文表示。丰富的目录直接有利于搜索系统的多个组件：实现基于属性的细粒度过滤，为排名模型提供结构化特征，以及改进密集检索的语义表示。我们通过在属性丰富的产品数据上训练密集检索模型来验证生成的分类法，证明使用原始目录信息相对于基线的一致改进。我们的系统已部署在乐天台湾，丰富了9大类2,694个子类，生成了67,277个属性，超过540万种产品已被标记为生成的属性，并计划丰富整个产品目录。