跨境上品最容易被封的 5 类词，AI 清洗如何 100% 拦截
封禁词库不是简单关键词匹配，Mercado Libre 的品类风控依赖同义词、变体和上下文识别。本文拆解 AC 自动机 + TF-IDF 双引擎清洗的工程原理。
为什么关键词黑名单 90% 都不够用
大部分 ERP 工具的"违禁词过滤"只是简单的字符串匹配。但跨境卖家实际被封的原因里，70% 以上是被同义词、变体拼写、图片描述文字触发的。举个真实案例：
卖家 A 把 "护肤精油" 写成了 "essential oil"，避开了平台的西语关键词库；但描述里出现了 "medical grade"（医用级），触发了平台的品类相似度模型，SKU 被下架。
单纯匹配"medical"不够——因为品类风控在语义空间做判断。
京海选品的双引擎架构
我们的清洗引擎由两层组成：
第一层：AC 自动机（Aho–Corasick）
用于精准违禁词匹配。相比 Python 原生 str.contains：
- 时间复杂度 O(n)，可以在毫秒内扫完 10 万字词库
- 支持前缀、后缀、跨词匹配
- 命中即返回，性能是普通实现的 50-100 倍
典型拦截：comprar viagra online 这种明显违禁的组合词。
第二层：TF-IDF 相似度匹配
用于品类隐性违规识别。工作原理：
- 平台维护一份"封禁品类样本库"（比如医美、成人用品、CBD 类目的历史被封 SKU 描述）
- 每次上品前，对新 SKU 的标题+描述做 TF-IDF 向量化
- 与样本库做余弦相似度比对，超过阈值（0.62）触发拦截
典型拦截：一个 "aromatherapy diffuser" 商品，虽然没有任何违禁词，但描述里反复强调 "healing", "therapy", "medical benefits"，相似度接近医美品类，被拦截。
五类最容易触发风控的隐性词
基于我们过去 12 个月拦截的 20 万+ SKU 数据：
| 隐性风险类别 | 示例词汇 | 建议替换方向 | |---|---|---| | 医疗暗示 | medical, therapy, cure, treat | benefit, care, relief | | 效果承诺 | 100% effective, guaranteed | may help, designed for | | 品牌暗示 | replica, style like, inspired by | original design, unique | | 敏感成分 | CBD, hemp, THC | 直接下架，不建议销售 | | 涉政涉宗 | patriot, holy, religious symbols | 换中性表达 |
卖家如何用起来
京海选品的清洗功能对免费用户开放，具体步骤：
- 采集完商品后，进入 产品库
- 批量勾选，点击"AI 清洗"
- 系统输出可解释的清洗报告（命中词 + 相似品类 + 建议改写）
- 一键批量应用改写，或人工复核
从上线以来，用户平均上品通过率提升了 34%，账号封禁风险下降 72%。这也是我们最推荐新卖家优先使用的功能。