製品属性は電子商取引プラットフォームにおいて重要な役割を果たし、検索、推薦、質問応答などのアプリケーションを支援しています。本稿では、製品属性とその値の識別（Product Attribute and Value Identification: PAVI）を生成タスクとして定式化し、これまでに知られている限り最も包括的なPAVIの評価を提供します。我々は3つの異なるデータセット上でエンコーダー-デコーダーモデルの微調整に基づく3つの異なる属性値生成（Attribute-Value Generation: AVG）戦略を比較しました。実験結果は、計算効率が高く、他の戦略を上回るエンドツーエンドのAVGアプローチが最優秀であることを示しています。ただし、モデルサイズや基礎となる言語モデルによって差異が見られます。すべての実験を再現するためのコードは以下のURLから入手可能です：https://github.com/kassemsabeh/pavi-avg