商品属性是对商品的客观描述,是电商系统中的基础特征之一,被广泛应用于电商的各个场景中。商品属性抽取作为商品属性获取的主要手段,对商品属性的补充有着极其重要的作用,提升商品属性抽取模型的精度和召回率可以节约大量人力成本,提高电子商务平台服务水平。常规的商品属性抽取方法通常基于文本在少量属性上进行,无法扩充到大规模的商品属性抽取,且没有充分利用商品图片等额外信息。基于此,论文提出基于问答的多模态商品属性抽取方法,解决了大规模属性抽取问题,有效的提取了商品图片信息,提高了模型效果。具体来说,主要包含以下两个内容:·采用基于问答的商品属性抽取框架。传统的基于序列标注的方法由于是一个多分类模型,所以无法应用于大规模商品属性抽取中。而基于问答的商品属性抽取框架将商品标题和图片当做上下文,将属性名称当做问题,模型通过在上下文中标注当前问题的答案来获得对应的属性值,将传统的基于序列标注的多分类问题转化为了二分类问题,从而可以通过并行实现大规模属性抽取,同时属性信息提供了先验知识,提高了模型效果。·提出基于属性感知的视觉注意力和过滤门机制。商品图片同时包含有用信息和噪声,通过合理的方法有效的提取图片信息可以提升模型的效果。本文提出的基于属性感知的视觉注意力可以实现对于同一个标题和同一张图片,由于不同的属性的加入,让模型关注到与当前属性抽取最相关的部分,而过滤门机制则控制了图片信息的加入比例,进一步消除图片带来的噪声。