如何在Google Vertex AI for Retail中整合商品评论至文本搜索？

针对你遇到的官方文档未提及评论整合的问题，这里有几个更高效且能保留信息完整性的方案：

1. 用自定义属性存储完整/结构化评论 #

Vertex AI for Retail的商品目录支持自定义属性，直接创建一个string_list类型的可搜索属性（比如命名为customer_reviews），把单条完整评论直接存入。只要把属性的searchable标记设为true，文本搜索就会自动索引这些评论内容，不会丢失任何细节。

示例结构：

{
  "id": "product_123",
  "title": "无线蓝牙耳机",
  "custom_attributes": [
    {
      "key": "customer_reviews",
      "value": "音质清晰，续航能撑8小时，佩戴舒适",
      "searchable": true
    },
    {
      "key": "customer_reviews",
      "value": "连接偶尔断连，降噪效果一般",
      "searchable": true
    }
  ]
}

这种方式的核心优势是，用户搜索评论里的具体关键词（比如“佩戴舒适”）时，能直接匹配到对应商品，同时完整保留了评论的原始信息。

2. 把评论摘要合并到商品描述字段 #

如果担心自定义属性的搜索权重不足，可以将评论中的核心观点（高频好评/差评、关键细节）合并到商品的description字段末尾。比如原本的描述是“无线蓝牙耳机，HiFi音质，长续航”，扩展后变成：

无线蓝牙耳机，HiFi音质，长续航。用户评价：音质清晰续航久，佩戴舒适；部分用户反馈连接偶尔断连。

description作为核心搜索字段，权重通常更高，能让评论内容更直接地影响搜索结果。

3. 用tags字段存储评论提炼的关键词 #

你提到的tags字段不适合放完整摘要，反而更适合存储从评论中提炼的高频关键词，比如“佩戴舒适”“续航长”“断连”这类标签。配合自定义属性存储完整评论，既能通过标签快速匹配搜索，又能保留完整评论的细节，兼顾效率和信息完整性。

注意事项 #

• 所有用于搜索的字段必须将searchable设为true，否则无法被文本搜索索引。
• 若评论量极大，建议定期用NLP工具提炼关键词、情感标签，避免冗余数据拖慢搜索性能。
• 可以测试不同字段的搜索权重，根据业务需求调整评论内容的存放位置。

内容的提问来源于stack exchange，提问作者Ruchit Rami