构建知识图谱以增强ChatGPT在制造服务发现中的响应

寻找和识别新的制造合作伙伴对于制造系统集成商至关重要，通过供应链多元化在全球经济中提高敏捷性并降低风险。先进大型语言模型的出现引起了广泛关注，因为它们能够在广泛的知识领域生成全面且清晰的响应。然而，该系统在回答特定领域的问题时，尤其是在制造服务发现等领域，往往缺乏准确性和完整性。本研究探索了利用知识图谱与ChatGPT结合来简化潜在客户识别小型制造企业流程的潜力。在本研究中，我们提出了一种方法，将自底向上的本体论与先进的机器学习模型相结合，从一系列结构化和非结构化数据源（包括北美小型制造商的数字足迹）中开发制造服务知识图谱。利用知识图谱和学习到的图嵌入向量来处理数字供应链网络中的复杂查询，以更高的可靠性和更强的可解释性进行响应。所提出的方法可扩展到数百万个实体，这些实体可以分布形成全球制造服务知识网络图，该图有可能连接跨行业部门、地缘政治边界和业务领域的多种类型的知识图谱。本研究开发的数据集现已公开，包含超过13,000个制造商的网站链接、制造服务、认证和位置实体类型。