SupplyGraph：使用图神经网络进行供应链规划的基准数据集

AAAIJan, 2024

SupplyGraph：使用图神经网络进行供应链规划的基准数据集

SupplyGraph: A Benchmark Dataset for Supply Chain Planning using Graph Neural Networks

Azmine Toushik Wasi, MD Shafikul Islam, Adipto Raihan Akib

TL;DR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。

Abstract

graph neural networks (GNNs) have gained traction across different domains such as transportation, bio-informatics, language processing, and computer vision. However, there is a noticeable absence of research on applying GNNs to →

graph neural networks supply chain networks benchmark dataset temporal tasks supply chain planning

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

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

基于图神经网络的概率性需求预测

该研究论文在需求预测中通过整合图神经网络到先进的 DeepAR 模型，并利用文章属性相似性构建图形，提出了一种解决独立文章预测和相关文章交互的方法，实验结果表明该方法在真实数据集上始终优于非图形基准，同时产生了对下游业务任务有用的文章嵌入。

Jan, 2024

面向时间图的图神经网络：现状、挑战和机遇

本文是对临时图形神经网络的综合评述，主要介绍了学习设置和任务的严格形式化，以及一种新颖的分类方法来分类已有的方法，讨论了该领域的最相关的开放挑战。

Feb, 2023

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

自适应依赖学习图神经网络

通过将神经网络和统计结构学习模型相结合，我们提出了一种混合方法，通过从多变量数据中自主学习依赖关系并构建动态变化的依赖图，从而实现了在缺乏明确定义图的情况下利用图神经网络进行多变量预测。在真实世界的基准数据集上，我们的方法显著提高了性能。

Dec, 2023

用于交通预测的图神经网络：综述

本论文对交通预测问题中应用图神经网络（包括图卷积和图注意力网络）进行了全面的综述和研究，展示了其在不同交通预测问题方面，如道路交通流和速度预测、城市轨道交通系统中的客流预测以及打车平台中的需求预测等，取得的最新成果。同时，还提供了每个问题的公开数据和资源列表，并提出了未来的研究方向。

Jan, 2021

时间序列的图神经网络调查：预测、分类、填充和异常检测

这篇综述论文首次汇集了关于基于图神经网络的时间序列研究的大量知识，突出了图神经网络在时间序列分析中的基础、实际应用和机会。

Jul, 2023

用于基准测试图神经网络的图生成模型

提出了一种名为 Computation Graph Transformer（CGT）的图形生成模型，它可以在保证隐私的前提下，生成大规模真实世界图的有效基准图，用于作为 Graph Neural Networks 模型的基准测试。

Jul, 2022

PowerGraph：用于图神经网络的电网基准数据集

开发了一个用于电力网络级联故障的图形数据集，用于训练图神经网络模型以及解释性分析，旨在应用于各个领域，如化学和生物学。

Feb, 2024