May, 2023

供应链弹性的知识图谱视角

PDF
TL;DR为了提升供应链透明度与韧性，本研究采用知识图谱连接多种数据源，以达到三级供应商的透明度。通过知识图谱完善方法，预测供应网络中的空缺信息，同时应用图分析算法，识别关键实体，支持供应链管理自动化风险识别。
supply chaintransparencyresilienceknowledge graphrisk identification
发现论文，激发创造
  • 供应链网络图表示学习中的数据考虑

    本文介绍一种基于图表示学习的方法，可以揭示企业供应链中不为业界所知的潜在依赖关系，从而对于全球汽车供应链网络中的环节预测实现了最先进的表现，为企业和业务管理提供进一步的风险缓解措施。

    Jul, 2021

  • HKTGNN：基于层次知识迁移图神经网络的供应链风险评估

    建立供应链风险评估模型以有效管理和缓解潜在风险的重要性逐渐增加，本文提出了一种基于层次化的知识可迁移图神经网络的供应链风险评估模型，通过图嵌入方法将供应链网络嵌入到基本产品网络中，解决了数据饥饿问题，实验证明该模型在实际供应链数据集上表现优异。

    Nov, 2023

  • 利用地理知识图谱测量网络弹性：以美国多商品流网络为例

    本研究使用基于地理知识图谱的方法，构建了一个 CFS-GeoKG 本体论来全面描述多商品流网络的地理语义，并设计了衡量单一供应、远程或非相邻供应商 / 客户的节点级别和网络级别依赖性的韧性指标。通过案例研究，我们发现，利用 GeoKG，我们的方法支持在空间和时间上同时度量节点级别和网络级别韧性，并有助于发现不同地理尺度上农业资源集中的模式。

    Oct, 2022

  • 供应链网络中基于 GNN 的概率供应和库存预测

    在复杂供应链网络中，准确预测供应是具有挑战性的，但通过图形结构化历史数据，需求预测和原始供应计划的注意力机制图神经网络模型可显著提高供应和库存预测准确性，并为优化执行提供供应计划修正。

    Apr, 2024

  • SupplyGraph：使用图神经网络进行供应链规划的基准数据集

    应用图神经网络（GNN）到供应链网络的研究领域是相对缺失的，而本研究提出了一个用于时间任务的真实基准数据集，可以通过图神经网络来解决供应链规划等问题，从而推动供应链分析和规划领域的发展。

    Jan, 2024

  • 构建知识图谱以丰富 ChatGPT 在制造服务发现中的响应

    利用知识图谱和 ChatGPT 相结合，提出了一种整合自下而上本体论和先进机器学习模型的方法，从结构化和非结构化数据源中发展出制造服务知识图谱，用于解决数字供应链网络中复杂的查询，并具有更好的可靠性和可解释性。

    Apr, 2024

  • 基于 AI 驱动的电子责任知识图谱：供应链碳计算与排放责任管理的全面框架

    碳账户，E-liability 碳计量方法，排放责任管理，E-Liability 知识图谱框架，AI 辅助知识图谱在实现全球供应链透明度和脱碳方面的作用。

    Nov, 2023

  • 准确预测国际贸易流量：利用知识图谱及其嵌入

    该研究探讨了知识图谱嵌入在国际贸易中的应用及其对预测准确性和知识表示可解释性的潜力，提供了对决策者、企业家和经济学家有价值的见解。研究结果还分析了嵌入方法对其他智能算法的影响。

    Oct, 2023

  • 基于知识图谱的半导体供应链定价模型

    该论文提出了一种基于知识图谱的动态定价模型 KnowGraph-PM，利用客户档案和订单行为来确定相应的价格溢价，实现了客户量身定制的收益管理。

    May, 2022

  • 利用知识图谱提供附加信息以提高推荐准确性的应用

    本研究采用知识图谱来优化推荐算法，提供更加个性化的推荐解决方案，并在实验中验证了其显著的性能优势，对于领域（如电影推荐）的个性化推荐具有参考价值。

    Jan, 2021