随着电子商务飞速发展,互联网上的商品信息量呈“爆炸式”的发展,出现信息过载问题。为了改善用户购物体验的购物搜索引擎和个性化推荐服务等应用,都需要能将网上各式的商品与它所属产品对应起来,进行“信息降维”。同时将互联网上同属一个产品的商品信息融合,有助于数据挖掘和知识发现。本文设计了产品库平台系统整体架构模型:它能自动处理海量的网上商品,识别这些商品属于哪个产品,并更新产品库;自动融合每个产品对应的网上商品的信息,包括产品规格资料和评论信息;并且作为一个基础平台为其它应用提供服务。本产品库平台与现存人工整理的产品库平台不同,是一个所有处理过程都是自动化的产品库平台。本文重点研究了如何借助了IR(information retrieval),自然语言处理以及机器学习等技术,设计算法来进行商品所属产品的自动化识别。本论文根据商品数据的特点,在产品识别中的特征提取部分,研究了商品标题中属性实体识别和商品属性规约问题。在商品标题中属性实体识别问题中,由于经典的命名实体识别算法具有较低的命名实体覆盖率(有限的人工训练和识别),需要人工干预,不能自学习(适应)商品数据的变化的局限性,本文提出改进算法:基于商业词库的属性实体识别算法,并用实验证明改进的有效性。在商品属性规约问题中,根据现有的基于频率统计方法正确率和召回率都较低的现状,改进了商品规约算法,并用实验验证了改进的有效性。在前面改进的基础上,本文设计并实现了完整的产品识别算法,并改进其中的产品分类算法使其能完全自动化,同时用实验证明整体算法的效果。