修改了 版本号 ，旧值为 "1"，新值为 "2"。
修改了 需求描述，区别为：

001- 需求描述：1、算法工程师将亚马逊各市场的Aba关键词进行Embeddings，英语语种市场用英语关键词，非英语语种市场的关键词翻译成英语，每周需要对各市场新增的关键词进行补充到ES库；提供一个接口，输入字段：站点、SKU英文标题、相似度阈值、关键词数量，输出站点，关键词，相似分，SKU英文标题；其中非英语语种的市场返回的是翻译前的关键词。2、新增MYSQL的指定站点SKU任务表，通过接口匹配后入库到Aba相似关键词来源中。任务表字段：SiteCode、SKU、添加时间、更新时间、状态、相似分阈值、关键词数阈值、接口返回关键词数量
001+
002+ 需求描述：
003+ 1、算法工程师将亚马逊各市场的Aba关键词进行Embeddings，英语语种市场用英语关键词，非英语语种市场的关键词翻译成英语，每周需要对各市场新增的关键词进行补充到ES库；提供一个接口，输入字段：站点、SKU英文标题、相似度阈值、关键词数量，输出站点，关键词，相似分，SKU英文标题；其中非英语语种的市场返回的是翻译前的关键词。
004+ 2、新增MYSQL的指定站点SKU任务表，通过接口匹配后入库到Aba相似关键词来源中。
005+ 任务表字段：SiteCode、SKU、添加时间、更新时间、状态、相似分阈值、关键词数阈值、接口返回关键词数量
006+
007+ 目的：
008+ 通过关键词新来源，指定任务补充关键词数量不足的重点SKU的关键词，特别是新品的。
009+ 需求可行性验证分析：
010+ <img src="https://static.dingtalk.com/media/lQLPJwJTkS8BMUd0zQGtsM90Npn57aJ2B9gCf_GYzgA_429_116.png" style="width:429px;height:116px;" alt="lQLPJwJTkS8BMUd0zQGtsM90Npn57aJ2B9gCf_GYzgA_429_116.png" />
011+ 测试基础数据：选择1500个SKU共计50w关键词
012+ 过程：将这1500个SKU去匹配Embeddings的50w关键词库，并且限制每个SKU按照相似分降序最多找获取100个关键词
013+ 数据和表现：
014+ 1、最终有96.2%的SKU可以获取到关键词，平均每个SKU有84个关键词，总共12.6w关键词
015+ 2、其中所有SKU的50%的关键词是原本有的对应关系，其中精确率为70%，其中不相关的这部分词也可以用来埋ST
016+ 结论：
017+ 通过这方法部分SKU可以极快速获取到相对精准的关键词（第一道初筛），精确率大概在60~70%之间，非英语语种会更低，且这些关键词都是Aba关键词，可将高频词的词根用于埋ST，若要用于标题，还需要进一步过滤。

001- <p><br/><br/><p><br/><br/><p>需求描述：<br/><p><br/><br/><p><br/><br/><p>1、算法工程师将亚马逊各市场的Aba关键词进行Embeddings，英语语种市场用英语关键词，非英语语种市场的关键词翻译成英语，每周需要对各市场新增的关键词进行补充到ES库；提供一个接口，输入字段：站点、SKU英文标题、相似度阈值、关键词数量，输出站点，关键词，相似分，SKU英文标题；其中非英语语种的市场返回的是翻译前的关键词。<br/><p><br/><br/><p><br/><br/><p>2、新增MYSQL的指定站点SKU任务表，通过接口匹配后入库到Aba相似关键词来源中。<br/><p><br/><br/><p><br/><br/><p>任务表字段：SiteCode、SKU、添加时间、更新时间、状态、相似分阈值、关键词数阈值、接口返回关键词数量<br/>
001+ <p>
002+ </p><p>需求描述：</p>
003+ <p>1、算法工程师将亚马逊各市场的Aba关键词进行Embeddings，英语语种市场用英语关键词，非英语语种市场的关键词翻译成英语，每周需要对各市场新增的关键词进行补充到ES库；提供一个接口，输入字段：站点、SKU英文标题、相似度阈值、关键词数量，输出站点，关键词，相似分，SKU英文标题；其中非英语语种的市场返回的是翻译前的关键词。</p>
004+ <p>2、新增MYSQL的指定站点SKU任务表，通过接口匹配后入库到Aba相似关键词来源中。</p>
005+ <p>任务表字段：SiteCode、SKU、添加时间、更新时间、状态、相似分阈值、关键词数阈值、接口返回关键词数量</p>
006+ <p><br /></p>
007+ <p>目的：</p>
008+ <p>通过关键词新来源，指定任务补充关键词数量不足的重点SKU的关键词，特别是新品的。</p>
009+ <p>需求可行性验证分析：</p>
010+ <p><img src="https://static.dingtalk.com/media/lQLPJwJTkS8BMUd0zQGtsM90Npn57aJ2B9gCf_GYzgA_429_116.png" style="width:429px;height:116px;" alt="lQLPJwJTkS8BMUd0zQGtsM90Npn57aJ2B9gCf_GYzgA_429_116.png" /></p>
011+ <p>测试基础数据：选择1500个SKU共计50w关键词</p>
012+ <p>过程：将这1500个SKU去匹配Embeddings的50w关键词库，并且限制每个SKU按照相似分降序最多找获取100个关键词</p>
013+ <p>数据和表现：</p>
014+ <p>1、最终有96.2%的SKU可以获取到关键词，平均每个SKU有84个关键词，总共12.6w关键词</p>
015+ <p>2、其中所有SKU的50%的关键词是原本有的对应关系，其中精确率为70%，其中不相关的这部分词也可以用来埋ST</p>
016+ <p>结论：</p>
017+ <p>通过这方法部分SKU可以极快速获取到相对精准的关键词（第一道初筛），精确率大概在60~70%之间，非英语语种会更低，且这些关键词都是Aba关键词，可将高频词的词根用于埋ST，若要用于标题，还需要进一步过滤。</p>

修改了 所属模块，旧值为 "0"，新值为 "1699"。
修改了 开发组 ，旧值为 ""，新值为 "13"。

修改了 版本号 ，旧值为 "2"，新值为 "3"。
修改了 需求描述，区别为：

001-
001+
002- 需求描述：
002+
003- 1、算法工程师将亚马逊各市场的Aba关键词进行Embeddings，英语语种市场用英语关键词，非英语语种市场的关键词翻译成英语，每周需要对各市场新增的关键词进行补充到ES库；提供一个接口，输入字段：站点、SKU英文标题、相似度阈值、关键词数量，输出站点，关键词，相似分，SKU英文标题；其中非英语语种的市场返回的是翻译前的关键词。
003+ 一背景：
004- 2、新增MYSQL的指定站点SKU任务表，通过接口匹配后入库到Aba相似关键词来源中。
004+ 目的：通过关键词新来源，指定任务补充关键词数量不足的重点SKU的关键词，特别是新品的。
005- 任务表字段：SiteCode、SKU、添加时间、更新时间、状态、相似分阈值、关键词数阈值、接口返回关键词数量
005+ 需求可行性验证分析：
006-
006+ <img src="https://static.dingtalk.com/media/lQLPJwJTkS8BMUd0zQGtsM90Npn57aJ2B9gCf_GYzgA_429_116.png" style="width:429px;height:116px;" alt="lQLPJwJTkS8BMUd0zQGtsM90Npn57aJ2B9gCf_GYzgA_429_116.png" />
007- 目的：
007+ 测试基础数据：选择1500个SKU共计50w关键词
008- 通过关键词新来源，指定任务补充关键词数量不足的重点SKU的关键词，特别是新品的。
008+ 过程：将这1500个SKU去匹配Embeddings的50w关键词库，并且限制每个SKU按照相似分降序最多找获取100个关键词
009- 需求可行性验证分析：
009+ 数据和表现：
010- <img src="https://static.dingtalk.com/media/lQLPJwJTkS8BMUd0zQGtsM90Npn57aJ2B9gCf_GYzgA_429_116.png" style="width:429px;height:116px;" alt="lQLPJwJTkS8BMUd0zQGtsM90Npn57aJ2B9gCf_GYzgA_429_116.png" />
010+ 1、最终有96.2%的SKU可以获取到关键词，平均每个SKU有84个关键词，总共12.6w关键词
011- 测试基础数据：选择1500个SKU共计50w关键词
011+ 2、其中所有SKU的50%的关键词是原本有的对应关系，其中精确率为70%，其中不相关的这部分词也可以用来埋ST
012- 过程：将这1500个SKU去匹配Embeddings的50w关键词库，并且限制每个SKU按照相似分降序最多找获取100个关键词
012+ 结论：
013- 数据和表现：
013+ 通过这方法部分SKU可以极快速获取到相对精准的关键词（第一道初筛），精确率大概在60~70%之间，非英语语种会更低，且这些关键词都是Aba关键词，可将高频词的词根用于埋ST，若要用于标题，还需要进一步过滤。
014- 1、最终有96.2%的SKU可以获取到关键词，平均每个SKU有84个关键词，总共12.6w关键词
014+
015- 2、其中所有SKU的50%的关键词是原本有的对应关系，其中精确率为70%，其中不相关的这部分词也可以用来埋ST
015+
016- 结论：
016+ 二、需求说明：
017- 通过这方法部分SKU可以极快速获取到相对精准的关键词（第一道初筛），精确率大概在60~70%之间，非英语语种会更低，且这些关键词都是Aba关键词，可将高频词的词根用于埋ST，若要用于标题，还需要进一步过滤。
017+ 流程：ABA关键词（各个站点）--》ABA关键词向量库--》AI初筛接口--》得到ABA相似关键词
018+
019+ 1、向量化ABA各个站点关键词（其中非英语语种的市场返回的是翻译前的关键词）
020+ 算法工程师将亚马逊各市场的Aba关键词进行Embeddings，英语语种市场用英语关键词，非英语语种市场的关键词翻译成英语，每周需要对各市场新增的关键词进行补充到ES库；提供一个接口，
021+ 输入字段：站点、SKU英文标题、相似度阈值、关键词数量，输出站点，关键词，相似分，SKU英文标题；其中非英语语种的市场返回的是翻译前的关键词。
022+
023+ 2、新增MYSQL的指定站点SKU关键词初筛任务表，通过接口匹配后入库到Aba相似关键词来源中。
024+ 任务表字段：SiteCode、SKU、添加时间、更新时间、状态、相似分阈值、关键词数阈值，接口返回关键词数量
025+
026+

001- <p>
001+ <p><br /></p>
002- </p><p>需求描述：</p>
002+ <p>
003- <p>1、算法工程师将亚马逊各市场的Aba关键词进行Embeddings，英语语种市场用英语关键词，非英语语种市场的关键词翻译成英语，每周需要对各市场新增的关键词进行补充到ES库；提供一个接口，输入字段：站点、SKU英文标题、相似度阈值、关键词数量，输出站点，关键词，相似分，SKU英文标题；其中非英语语种的市场返回的是翻译前的关键词。</p>
003+ </p><p>一背景：</p>
004- <p>2、新增MYSQL的指定站点SKU任务表，通过接口匹配后入库到Aba相似关键词来源中。</p>
004+ <p>目的：通过关键词新来源，指定任务补充关键词数量不足的重点SKU的关键词，特别是新品的。</p>
005- <p>任务表字段：SiteCode、SKU、添加时间、更新时间、状态、相似分阈值、关键词数阈值、接口返回关键词数量</p>
005+ <p>需求可行性验证分析：</p>
006- <p><br /></p>
006+ <p><img src="https://static.dingtalk.com/media/lQLPJwJTkS8BMUd0zQGtsM90Npn57aJ2B9gCf_GYzgA_429_116.png" style="width:429px;height:116px;" alt="lQLPJwJTkS8BMUd0zQGtsM90Npn57aJ2B9gCf_GYzgA_429_116.png" /></p>
007- <p>目的：</p>
007+ <p>测试基础数据：选择1500个SKU共计50w关键词</p>
008- <p>通过关键词新来源，指定任务补充关键词数量不足的重点SKU的关键词，特别是新品的。</p>
008+ <p>过程：将这1500个SKU去匹配Embeddings的50w关键词库，并且限制每个SKU按照相似分降序最多找获取100个关键词</p>
009- <p>需求可行性验证分析：</p>
009+ <p>数据和表现：</p>
010- <p><img src="https://static.dingtalk.com/media/lQLPJwJTkS8BMUd0zQGtsM90Npn57aJ2B9gCf_GYzgA_429_116.png" style="width:429px;height:116px;" alt="lQLPJwJTkS8BMUd0zQGtsM90Npn57aJ2B9gCf_GYzgA_429_116.png" /></p>
010+ <p>1、最终有96.2%的SKU可以获取到关键词，平均每个SKU有84个关键词，总共12.6w关键词</p>
011- <p>测试基础数据：选择1500个SKU共计50w关键词</p>
011+ <p>2、其中所有SKU的50%的关键词是原本有的对应关系，其中精确率为70%，其中不相关的这部分词也可以用来埋ST</p>
012- <p>过程：将这1500个SKU去匹配Embeddings的50w关键词库，并且限制每个SKU按照相似分降序最多找获取100个关键词</p>
012+ <p>结论：</p>
013- <p>数据和表现：</p>
013+ <p>通过这方法部分SKU可以极快速获取到相对精准的关键词（第一道初筛），精确率大概在60~70%之间，非英语语种会更低，且这些关键词都是Aba关键词，可将高频词的词根用于埋ST，若要用于标题，还需要进一步过滤。</p>
014- <p>1、最终有96.2%的SKU可以获取到关键词，平均每个SKU有84个关键词，总共12.6w关键词</p>
014+
015- <p>2、其中所有SKU的50%的关键词是原本有的对应关系，其中精确率为70%，其中不相关的这部分词也可以用来埋ST</p>
015+ <p><br /></p>
016- <p>结论：</p>
016+ <p>二、需求说明：</p>
017- <p>通过这方法部分SKU可以极快速获取到相对精准的关键词（第一道初筛），精确率大概在60~70%之间，非英语语种会更低，且这些关键词都是Aba关键词，可将高频词的词根用于埋ST，若要用于标题，还需要进一步过滤。</p>
017+ <p>流程：ABA关键词（各个站点）--》ABA关键词向量库--》AI初筛接口--》得到ABA相似关键词</p>
018+ <p><br /></p>
019+ <p>1、向量化ABA各个站点关键词（其中非英语语种的市场返回的是翻译前的关键词）</p>
020+ <p>算法工程师将亚马逊各市场的Aba关键词进行Embeddings，英语语种市场用英语关键词，非英语语种市场的关键词翻译成英语，每周需要对各市场新增的关键词进行补充到ES库；提供一个接口，</p>
021+ <p>输入字段：站点、SKU英文标题、相似度阈值、关键词数量，输出站点，关键词，相似分，SKU英文标题；其中非英语语种的市场返回的是翻译前的关键词。</p>
022+ <p><br /></p>
023+ <p>2、新增MYSQL的指定站点SKU关键词初筛任务表，通过接口匹配后入库到Aba相似关键词来源中。</p>
024+ <p>任务表字段：SiteCode、SKU、添加时间、更新时间、状态、相似分阈值、关键词数阈值，接口返回关键词数量</p>
025+ <p><br /></p>
026+ <br />

修改了 评审次数，旧值为 ""，新值为 "1"。

修改了 关闭原因，旧值为 ""，新值为 "willnotdo"。
修改了 当前状态，旧值为 "draft"，新值为 "closed"。
修改了 指派给 ，旧值为 "xiaoyu"，新值为 "closed"。
修改了 所处阶段，旧值为 "planned"，新值为 "closed"。
修改了 关闭日期，旧值为 "0000-00-00 00:00:00"，新值为 "2025-05-09 13:57:23"。
修改了 由谁关闭，旧值为 ""，新值为 "guanrongrong"。

修改了 所属计划，旧值为 "1947"，新值为 ""。