SupplyGraph：用于供应链规划的图神经网络基准数据集
机器学习
2025-01-16 v3 人工智能
信息检索
系统与控制
系统与控制
应用统计
摘要
图神经网络在交通、生物信息学、语言处理和计算机视觉等不同领域获得了关注。然而，关于将 GNN 应用于供应链网络的研究明显缺失。供应链网络在结构上具有固有的图特性，使其成为应用 GNN 方法的首选对象。这为优化、预测和解决甚至最复杂的供应链问题开辟了广阔的可能性。这种方法的一个主要障碍在于缺乏真实世界的基准数据集，以促进使用 GNN 研究和解决供应链问题。为了解决这个问题，我们提供了一个用于时序任务的真实世界基准数据集，该数据集来自孟加拉国一家领先的快速消费品公司，专注于以生产为目的的供应链规划。该数据集包含作为节点特征的时序数据，以实现销售预测、生产规划和工厂问题识别。通过利用该数据集，研究人员可以使用 GNN 解决众多供应链问题，从而推进供应链分析和规划领域的发展。源码：https://github.com/CIOL-SUST/SupplyGraph
引用
@article{arxiv.2401.15299,
title = {SupplyGraph: A Benchmark Dataset for Supply Chain Planning using Graph Neural Networks},
author = {Azmine Toushik Wasi and MD Shafikul Islam and Adipto Raihan Akib},
journal= {arXiv preprint arXiv:2401.15299},
year = {2025}
}
备注
Accepted to 4th workshop on Graphs and more Complex structures for Learning and Reasoning, colocated with AAAI 2024