利用大语言模型大规模重建时序多关系企业网络：以半导体产业为例
物理与社会
2026-05-18 v1 社会与信息网络
摘要
半导体产业是现代技术的基石，然而其复杂的全球多关系企业网络仍未被充分理解，这给科学家、企业和政策制定者带来了挑战。传统分析依赖于专有数据库，这些数据库通常价格昂贵、信息不完整且更新缓慢，限制了其捕捉快速演变依赖关系的能力。在此，我们展示了一种新颖且可推广的方法，该方法将大语言模型（LLMs）与开放网络数据相结合，能够大规模重建此网络及其结构动态。我们从1.7亿个半导体企业网页中识别并分类了供应链、合作伙伴关系和所有权链接，生成了一个包含超过1300家关联企业的时序网络。我们验证了链接提取的质量（精确率：0.884；F1分数：0.784）、网络与专有数据库的重叠性和互补性，以及与总体经济数据的一致性。我们的网络揭示了在2022年芯片短缺期间，网络连边暂时性减少了9%，像NVIDIA这样的AI供应链瓶颈企业的中心性迅速增加，以及在地缘政治动荡中企业间关系的地理重新调整。这个可推广的框架克服了透明度障碍，并为评估战略相关部门的韧性和制定政策提供了必要且最新的图谱。
引用
@article{arxiv.2605.15842,
title = {Reconstructing temporal multi-relational firm networks at scale using large language models. The case of the semiconductor industry},
author = {Seyda Köse and Christian Diem and Elma Dervic and Klaus Friesenbichler and Georg Heiler and Jan Hurt and Hernan Picatto and Peter Klimek},
journal= {arXiv preprint arXiv:2605.15842},
year = {2026}
}
备注
32 pages, 5 figures