基于摘要的供应链发现与 LLM：扩展中国市场的可见性

金融和经济研究通常依赖于结构化的供应链披露和商业数据库。在中国，供应商-客户披露通常仅限于上市公司的重大合作伙伴，导致非上市公司和长尾企业间联系在结构化数据中记录不足。公共网络证据可以通过企业、政府和贸易媒体的披露部分弥补这一空白；然而，大规模的全文网络挖掘成本高昂，因为页面通常难以访问或使用大型语言模型（LLM）处理成本过高。我们提出了一种基于摘要的方法来构建供应链知识图谱（SCKG），以企业为节点，企业间关系为边。网络搜索摘要是随搜索结果返回的、偏向查询的摘要。我们将其用作基于 LLM 的关系提取的可扩展第一层证据。我们从提取效率和覆盖范围两方面评估了该流程。在提取效率方面，穷举式全文分块发现的关系数量是摘要的 19.8 倍，但需要的输入 token 数量是后者的 251.2 倍，且冗余度更高。在覆盖范围方面，我们使用 130,685 家中国企业作为搜索种子，涵盖截至 2024 年的上海/深圳上市公司和大型非上市公司。在上市公司子集中，生成的 SCKG 覆盖的企业数量是 CSMAR 披露基准的 7.2 倍，关系数量是后者的 9.3 倍，同时揭示了重尾度分布模式。保留的来源元数据使 SCKG 成为基于披露的数据库的可审计补充。