利用知识图谱和大语言模型增强供应链可见性
信息检索
2024-08-16 v1 人工智能
计算与语言
摘要
在当今全球经济中，全面的供应链可见性对于有效的风险管理至关重要。由于供应链合作伙伴之间信息共享有限，实现可见性仍然是一个重大挑战。本文提出了一种利用知识图谱（KGs）和大语言模型（LLMs）来增强供应链可见性的新框架，无需依赖利益相关者之间的直接信息共享。我们的零样本、由 LLM 驱动的方法从多样化的公共来源自动提取供应链信息，并构建知识图谱以捕捉供应链实体之间的复杂相互依赖关系。我们采用零样本提示进行命名实体识别（NER）和关系抽取（RE）任务，无需进行广泛的领域特定训练。我们通过电动汽车供应链的案例研究验证了该框架，重点关注电池制造所需关键矿物的追踪。结果表明供应链映射取得了显著改进，将可见性扩展到二级供应商之外。该框架揭示了关键的依赖关系和替代采购选项，增强了风险管理和战略规划。在 NER 和 RE 任务中具有高准确性，它为理解复杂的多层供应链网络提供了有效工具。这项研究提供了一种可扩展、灵活的方法来构建领域特定的供应链知识图谱，解决了可见性方面的长期挑战，并为数字供应链监控的进步铺平了道路。
引用
@article{arxiv.2408.07705,
title = {Enhancing Supply Chain Visibility with Knowledge Graphs and Large Language Models},
author = {Sara AlMahri and Liming Xu and Alexandra Brintrup},
journal= {arXiv preprint arXiv:2408.07705},
year = {2024}
}