利用大语言模型进行供应链网络提取与实体分类

供应链网络对行业的运营效率至关重要，但其日益复杂的结构在映射关系和识别各种实体角色方面 presents significant challenges（显著挑战）。传统方法构建供应链网络依赖大量结构化数据集和手动数据收集，限制了其范围和效率。相比之下，近期在自然语言处理（NLP）和大语言模型（LLM）方面的进展，为使用非结构化文本数据发现和分析供应链网络提供了新的机会。本文提出了一种新方法，利用 LLM 从公开来源获取的原始文本信息中提取并处理数据，以构建一个全面的供应链图。我们聚焦于土木工程领域作为案例研究，展示了 LLM 如何揭示公司、项目及其他实体之间的隐藏关系。此外，我们对 LLM 进行微调，以对供应链图中的实体进行分类，提供对其角色和关系的详细洞察。结果表明，领域特定的微调可提高分类准确率，凸显了 LLM 在行业特定供应链分析方面的潜力。我们的贡献包括为土木工程领域开发供应链图，以及一个增强实体分类和理解供应链网络的微调 LLM 模型。