AutoPKG: 동적 전자상거래 상품-속성 지식 그래프 구축을 위한 자동화 프레임워크

AutoPKG: An Automated Framework for Dynamic E-commerce Product-Attribute Knowledge Graph Construction

전자상거래에서 상품 속성 추출은 일관성이 없고, 불완전하며, 유지 비용이 많이 드는 온톨로지에 의해 어려움을 겪습니다. 본 논문에서는 멀티모달 상품 콘텐츠로부터 상품-속성 지식 그래프(PKG)를 자동으로 구축하는 다중 에이전트 대규모 언어 모델(LLM) 프레임워크인 AutoPKG를 제시합니다. AutoPKG는 필요에 따라 상품 유형과 유형별 속성 키를 유도하고, 텍스트 및 이미지에서 속성 값을 추출하며, 중앙 집중식 의사 결정 에이전트를 통해 업데이트를 통합하여 전역적으로 일관된 표준 그래프를 유지합니다. 또한, 동적 PKG의 유형 및 키의 유효성, 통합 품질 및 표준화 후 값에 대한 에지 수준 정확도를 측정하는 평가 프로토콜을 제안합니다. 실제 전자상거래 플랫폼인 Lazada(Alibaba)의 대규모 상품 카탈로그 데이터셋에서 AutoPKG는 상품 유형에 대해 최대 0.953의 가중 지식 효율성(WKE), 속성 키에 대해 0.724의 WKE, 그리고 멀티모달 값 추출에 대한 에지 수준 F1 점수 0.531을 달성했습니다. 세 가지 공개 벤치마크에서, 제안된 방법은 에지 수준 정확 일치 F1 점수를 0.152만큼 향상시키고, 속성 추출 애플리케이션에서 정밀도를 0.208만큼 향상시켰습니다. 온라인 A/B 테스트 결과, AutoPKG에서 파생된 속성들은 배지에서 총 상품 가치(GMV)를 3.81%, 검색에서 5.32%, 추천에서 7.89% 증가시켜 AutoPKG의 실질적인 가치를 입증했습니다.

Product attribute extraction in e-commerce is bottlenecked by ontologies that are inconsistent, incomplete, and costly to maintain. We present AutoPKG, a multi-agent Large Language Model (LLM) framework that automatically constructs a Product-attribute Knowledge Graph (PKG) from multimodal product content. AutoPKG induces product types and type-specific attribute keys on demand, extracts attribute values from text and images, and consolidates updates through a centralized decision agent that maintains a globally consistent canonical graph. We also propose an evaluation protocol for dynamic PKGs that measures type and key validity, consolidation quality, and edge-level accuracy for value assertions after canonicalization. On a large real-world marketplace catalog dataset from Lazada (Alibaba), AutoPKG achieves up to 0.953 Weighted Knowledge Efficiency (WKE) for product types, 0.724 WKE for attribute keys, and 0.531 edge-level F1 for multimodal value extraction. Across three public benchmarks, our method improves edge-level exact-match F1 by 0.152 and yields a precision gain of 0.208 on the attribute extraction application. Online A/B tests show that AutoPKG-derived attributes increase Gross Merchandise Value (GMV) in Badge by 3.81 percent, in Search by 5.32 percent, and in Recommendation by 7.89 percent, supporting the practical value of AutoPKG in production.