用于供应链链接预测的级联多模态属性图 (C-MAG)
机器学习
2025-08-14 v2 人工智能
摘要
将越来越多的产品与合适的制造商和供应商相连接对于韧性、高效的全球供应链至关重要，但传统方法难以捕捉真实世界制造商配置文件中复杂的能力、认证、地理约束和丰富的多模态数据。为弥补这一差距，我们引入了 PMGraph，这是一个包含 8,888 家制造商、超过 70k 个产品、11 万多个制造商-产品边以及 2.9 万个产品图像的公共基准数据集，涵盖了二分ipartite 和异构的多模态供应链图。基于此基准，我们提出了级联多模态属性图 C-MAG，这是一个两阶段体系结构，首先对文本和视觉属性进行对齐和聚合以生成中间组嵌入，然后通过制造商-产品异构图进行多尺度消息传递以增强链接预测准确性。C-MAG 还为模态感知融合提供了实用指南，在噪声环境下仍能保持预测性能。
引用
@article{arxiv.2508.08071,
title = {C-MAG: Cascade Multimodal Attributed Graphs for Supply Chain Link Prediction},
author = {Yunqing Li and Zixiang Tang and Jiaying Zhuang and Zhenyu Yang and Farhad Ameri and Jianbang Zhang},
journal= {arXiv preprint arXiv:2508.08071},
year = {2025}
}
备注
https://openreview.net/pdf?id=mE5n6OJHwO