实体抽取

关键设计

用约束式提示词驱动 Gemini 3 Pro，从商品文本中抽取结构化实体。

抽取准确率：91.2%（基于 100 条人工标注样本）。

7 类商品实体

通过约束式 Prompt 抽取以下 7 类商品实体：

实体类型	示例	用途
Product（商品本体）	Stainless Kitchen Rack	图谱根节点
Material（材质）	304 不锈钢、ABS、竹木	影响主图风格、A+ 描述
Specification（规格）	尺寸 / 重量 / 承重 / 容量	Listing Bullet 关键事实
UseCase（场景）	厨房收纳、户外露营、卫浴	生成 Lifestyle 图的提示词
FeatureSellingPoint（卖点）	Anti-rust / Foldable	决定 A+ 信息图标题
Compliance（合规）	FDA-Free Claim / 非医疗	对接违禁词库做过滤
Audience（受众）	Single Apartment / Family	决定文案语气与场景

约束式提示词

System PromptUser Prompt 示例

text

你是亚马逊跨境电商商品本体专家。请从以下商品文本中抽取 7 类实体：
Product / Material / Specification / UseCase / FeatureSellingPoint /
Compliance / Audience。

并以 JSON 数组返回，每个实体包含 type、name、attrs；如不存在该类型，
请返回空数组。

【硬约束】
1. 禁止编造未在原文出现的事实
2. Specification 必须保留原始数值与单位（如 "60×30×80cm"）
3. 如有 304 / 316 等型号，必须保留具体型号
4. UseCase 与 Audience 可基于商品类目合理推断 1-3 个

【输出格式】
{
  "entities": [
    { "type": "Product", "name": "...", "attrs": {} },
    { "type": "Material", "name": "...", "attrs": {} },
    ...
  ],
  "evidence": {
    "<entity_id>": "原文证据片段"
  }
}

text

商品标题：Stainless Steel Kitchen Rack Foldable
商品参数：
  - Material: 304 SUS Stainless Steel
  - Size: 60×30×80cm
  - Folded: 60×30×8cm
  - Load: 8kg per tier, 24kg total
  - Tiers: 3
  - Anti-rust coating
  - Lead-free certified
  - 1-year warranty

请抽取实体。

抽取结果示例

json

{
  "entities": [
    {
      "type": "Product",
      "name": "Stainless Steel Kitchen Rack",
      "attrs": { "category": "Kitchen Storage" }
    },
    {
      "type": "Material",
      "name": "304 Stainless Steel",
      "attrs": { "grade": "304", "alias": ["304 SUS", "Grade 304"] }
    },
    {
      "type": "Specification",
      "name": "Size 60x30x80cm",
      "attrs": { "length_cm": 60, "width_cm": 30, "height_cm": 80 }
    },
    {
      "type": "Specification",
      "name": "Load 8kg per tier",
      "attrs": { "load_kg": 8, "tiers": 3, "total_load_kg": 24 }
    },
    {
      "type": "Specification",
      "name": "Folded Size 60x30x8cm",
      "attrs": { "folded_height_cm": 8 }
    },
    {
      "type": "FeatureSellingPoint",
      "name": "Foldable",
      "attrs": { "weight": 0.95 }
    },
    {
      "type": "FeatureSellingPoint",
      "name": "Anti-rust",
      "attrs": { "weight": 0.80 }
    },
    {
      "type": "FeatureSellingPoint",
      "name": "Multi-tier (3-Tier)",
      "attrs": { "weight": 0.85 }
    },
    {
      "type": "Compliance",
      "name": "Lead-Free",
      "attrs": { "certified": true }
    },
    {
      "type": "Compliance",
      "name": "Food Contact Safe",
      "attrs": { "certified": true }
    },
    {
      "type": "UseCase",
      "name": "Small Kitchen Apartment",
      "attrs": { "weight": 0.90 }
    },
    {
      "type": "UseCase",
      "name": "Bathroom Storage",
      "attrs": { "weight": 0.65 }
    },
    {
      "type": "UseCase",
      "name": "Outdoor Camping",
      "attrs": { "weight": 0.55 }
    },
    {
      "type": "Audience",
      "name": "Single Apartment Renter",
      "attrs": {}
    },
    {
      "type": "Audience",
      "name": "Family with Kids",
      "attrs": {}
    }
  ],
  "evidence": {
    "ent_002": "Material: 304 SUS Stainless Steel",
    "ent_003": "Size: 60×30×80cm",
    "ent_006": "Folded: 60×30×8cm → implies foldable",
    "ent_009": "Lead-free certified"
  }
}

抽取过程的工程优化

优化 1：图像辅助抽取

如果用户上传了参考图，将图片一并传给 Gemini 3 Pro Vision：

python

prompt = f"""
{base_prompt}

【商品文本】
{product_text}

【参考图】
[image_1.jpg]
[image_2.jpg]

请结合图片中的视觉信息（颜色、材质纹理、使用场景）补充实体。
"""

例如从 Lifestyle 图中识别出"小户型公寓厨房"作为 UseCase。

优化 2：迭代式抽取

text

Round 1: 抽取基础实体
  → "Product, Material, Specification"

Round 2: 基于 Round 1 结果补充推理
  → "Compliance / Audience / UseCase"

Round 3: 人工校验提示
  → "请检查以下实体是否准确..."（让模型自我验证）

最终：合并三轮结果 + 去重

优化 3：实体去重

通过 1024 维向量相似度（余弦 > 0.92）合并同义实体：

text

"304 stainless"
"304 SUS"           ──→ 合并为 "304 Stainless Steel"
"Grade 304"
"Stainless 304"

准确率评估

我们用 100 条人工标注的真实跨境电商商品做评估：

实体类型	标注总数	AI 抽取数	正确数	Precision	Recall	F1
Product	100	100	100	100%	100%	1.00
Material	287	271	264	97.4%	92.0%	0.95
Specification	631	612	568	92.8%	90.0%	0.91
UseCase	412	389	354	91.0%	85.9%	0.88
FeatureSellingPoint	523	498	462	92.8%	88.3%	0.91
Compliance	198	184	173	94.0%	87.4%	0.91
Audience	246	231	198	85.7%	80.5%	0.83
总计	2,397	2,285	2,119	92.7%	88.4%	0.90

综合 F1 = 0.90

这个准确率水平已经能够支撑生产环境使用。Audience 类别准确率较低是因为受众判断本身有较大主观性。

失败模式分析

已识别的失败模式

复合材质 —— "竹木 + 不锈钢" 有时被拆为两个独立实体
同义不同形 —— "Foldable" vs "Collapsible" 偶尔未合并
缩写专有名词 —— "BPA-Free" 偶尔被识别为 Specification 而非 Compliance
多语言 —— 中英混合输入时英文实体优先

我们已加入「实体合并提示词」和「专有名词字典」缓解这些问题。

提示词迭代历史

GraphRAG 实体抽取 Prompt 由学生迭代 12 次，每次抽取后人工检查 50 个样本：

版本	关键改进	F1
v1.0	基础抽取	0.62
v3.0	加入 evidence 字段	0.71
v5.0	加入硬约束 + JSON Schema	0.79
v7.0	引入图像辅助	0.85
v9.0	三轮迭代抽取	0.88
v12.0	专有名词字典 + 实体合并	0.90

接口

http

POST /api/graphrag/extract
Content-Type: application/json

{
  "title": "Stainless Steel Kitchen Rack",
  "parameters": "...",
  "reference_images": ["base64...", "base64..."]
}

响应：

json

{
  "graphrag_id": "kg_2026-05-01_xyz",
  "entities": [...],
  "relations": [...],
  "duration_ms": 6234
}

下一步

🔗 关系建模 —— 5 类语义关系详解
🎯 检索增强生成 —— 任务感知子图召回
💾 存储设计 —— SQLite + 向量索引

实体抽取 ​

7 类商品实体 ​

约束式提示词 ​

抽取结果示例 ​

抽取过程的工程优化 ​

优化 1：图像辅助抽取 ​

优化 2：迭代式抽取 ​

优化 3：实体去重 ​

准确率评估 ​

失败模式分析 ​

提示词迭代历史 ​

接口 ​

下一步 ​

实体抽取

7 类商品实体

约束式提示词

抽取结果示例

抽取过程的工程优化

优化 1：图像辅助抽取

优化 2：迭代式抽取

优化 3：实体去重

准确率评估

失败模式分析

提示词迭代历史

接口

下一步