电商化采购系统中商品属性提取的智能化实践

在开放世界假设下，海量商品的属性提取任务是长期困扰电商采购系统的算法问题，提出了采用基于样本量的自适应样本增强策略，改进基于序列标注的问答属性提取算法，并辅以词典树的规则模型。其中，序列标注模型CRF-L4在测试集上的F1达到92%，而使用Softmax预测头的模型Softmax-L4由于缺少上下文语义的约束以及缺乏大规模训练集，表现相比序列标注模型降低了10%～15%。CRF-L4模型在样本数量超过100的属性下几乎都可以超过90%甚至95%，而Softmax-L4即使在样本量足够大的情况下，依然会出现F1小于60%以下的属性类别。模型实验还表明，数据增强对于CRF-L4模型几乎没有提升效果，对于Softmax-L4模型则有2.7%～6.6%的改进。