B2B电商结构化产品属性向量嵌入生成方案技术咨询

背景 #

• 领域：B2B电商
• 查询特征：短关键词式搜索（4-5个token），常包含数字、单位和字母数字属性，示例：
  • “12 kva 柴油发电机”
  • “5 hp 空气压缩机”
  • “3轴数控铣床”

搜索架构 #

• 基于产品标题嵌入完成初始候选召回
• 基于产品属性嵌入执行重排序

产品数据格式 #

每个产品包含标题和一组键值对形式的结构化属性，示例：

产品：柴油发电机
属性：

• "power_rating: 12 kva"
• "fuel_type: diesel"
• "phase: 3"
• "cooling_type: air cooled"
• "application: industrial backup"

核心问题 #

针对语义重排序环节，如何预处理并生成这些属性的向量嵌入？

候选属性嵌入策略 #

1. 扁平拼接

power rating 12 kva fuel type diesel phase 3 cooling type air cooled application industrial backup

2. 带分隔符的键值对

power_rating: 12 kva | fuel_type: diesel | phase: 3 | cooling_type: air cooled | application: industrial backup

3. 分行结构化属性

power_rating: 12 kva
fuel_type: diesel
phase: 3
cooling_type: air cooled
application: industrial backup

4. 自然语言段落转换

这款柴油发电机的功率额定值为12 kva，使用柴油燃料，支持3相运行，采用风冷设计，适用于工业备用场景。

5. 单属性独立嵌入

• 为每个单独属性生成嵌入向量，重排序时聚合各属性的匹配分数

6. 其他推荐方法？

具体疑问 #

• 属性应该合并为单个文本生成嵌入，还是每个属性单独生成嵌入？
• 显式保留属性键（如power_rating）是否有助于提升嵌入质量？
• 分隔符或结构化格式对短属性密集型查询是否有重要作用？
• 处理数值、单位和字母数字属性的最佳实践是什么？
• 段落式文本在密集检索中的表现是否优于结构化键值文本？

模型选型考量 #

• 当前意向模型：Marqo ecommerce embedding (large)
• 寻求其他适配场景的模型推荐：
  • 适配短B2B查询
  • 擅长数值与单位的精准匹配
  • 适合基于属性的重排序任务

内容的提问来源于stack exchange，提问作者Sumit Raj