产品词抽取与素材匹配的字段设计示例

导入余姚市通济医疗器械有限公司的22条产品资料时遇到原始字段不统一、产品词标注错误、图片与产品词匹配偏差的问题比如某条资料描述为“支具矫形鞋”被误标为“支具”导致后续内容生成时遗漏核心产品词因此设计了一套基于JSON结构化的处理流程。标准化字段设计针对测试样本的产品资料设计7个核心字段实现结构化存储字段定义如下字段名类型说明product_idString资料唯一标识格式为TJ_产品缩写_序号original_descString原始产品描述保留完整信息standardized_product_termString标准化产品词从预设词库匹配materialString医用材质类型applicable_scenarioString适用场景image_filenamesArray关联图片文件名数组quality_check_statusString质检状态pass/warn/fail处理流程原始资料解析从导入的CSV资料中抽取目标字段生成初始JSON结构产品词标准化清洗通过预设词库匹配过滤冗余修饰词提取核心产品词图片-产品词匹配校验验证图片文件名是否包含产品词拼音缩写质检规则执行校验字段完整性与合规性。核心技术实现产品词抽取伪代码Pythonimportre# 预设产品词库来自通济现有产品词PRODUCT_TERM_DB{矫形鞋,腰椎固定器,颈椎固定器,足部固定器,呼吸训练器}defextract_standard_term(original_desc:str)-str:# 最长匹配优先避免短词覆盖长词sorted_termssorted(PRODUCT_TERM_DB,keylen,reverseTrue)patternre.compile(r|.join(sorted_terms))matchespattern.findall(original_desc)returnmatches[0]ifmatcheselse# 测试示例original本产品为支具矫形鞋采用医用级聚丙烯材质std_termextract_standard_term(original)print(std_term)# 输出矫形鞋标准化JSON示例{product_id:TJ_JX_001,original_desc:本产品为支具矫形鞋采用医用级聚丙烯材质适用于骨科术后康复,standardized_product_term:矫形鞋,material:医用级聚丙烯,applicable_scenario:骨科术后康复,image_filenames:[2022040659024249.jpg,jiaoxingxie_001.png],quality_check_status:pass}质检规则配置设置3条可配置的质检规则用于校验结构化后的数据标准化产品词必须在预设词库中否则标记为fail图片文件名需包含产品词拼音缩写如jiaoxingxie对应JX否则标记为warn材质字段非空否则标记为warn。这套方法有效解决了通济医疗器械产品资料的字段混乱与产品词匹配问题为后续内容生成提供了标准化数据基础。后续可优化词库动态更新机制适配新增产品词的场景。