AutoPKG: Framework per l'Automazione della Costruzione di Grafi di Conoscenza dei Prodotti E-commerce Tramite LLM Multi-Agente

AutoPKG ha lanciato un framework che utilizza un Large Language Model multi-agente per semplificare la creazione di Grafi di Conoscenza Prodotto-attributo da contenuti e-commerce diversificati, affrontando problemi legati a ontologie inconsistenti e incomplete. Questo sistema innovativo identifica tipi di prodotto e chiavi di attributo specifiche, estrae informazioni rilevanti sia da testo che da immagini e integra aggiornamenti attraverso un agente decisionale centralizzato per mantenere un grafo canonico globalmente coerente. Un protocollo di valutazione PKG dinamico valida la correttezza dei tipi e delle chiavi, la qualità della consolidazione e la precisione a livello di arco per le asserzioni di valore dopo la canonicalizzazione. Nei test con un ampio dataset di Lazada (Alibaba), AutoPKG ha registrato un'Effcienza di Conoscenza Ponderata di 0,953 per i tipi di prodotto, 0,724 per le chiavi di attributo e 0,531 F1 a livello di arco per l'estrazione multimodale. Il framework, descritto nella preprint arXiv 2604.16950v1, mira a migliorare la coerenza dei dati e ridurre i costi di manutenzione negli ambienti e-commerce.