本文档属于类型a（单篇原创研究论文），以下是针对中文读者的学术报告：

一、作者与发表信息

本研究由Arizona State University的Yunqing Li、Hyunwoong Ko（通讯作者）和Farhad Ameri合作完成，发表于2024年12月的《Journal of Computing and Information Science in Engineering》，DOI编号10.¹¹¹⁵⁄₁.4067389。该研究得到美国国家科学基金会（NSF）资助（项目号#2333801）。

二、学术背景

研究领域与动机

研究聚焦供应链管理中的供应商发现（supplier discovery），核心问题在于传统方法（如行业目录、在线平台）因数据异构性、检索功能僵化及术语标准化不足，导致供应商匹配效率低下。大型语言模型（LLMs, Large Language Models）虽能处理非结构化数据，但缺乏领域特异性（如误判ISO 13485等关键认证），亟需结合知识图谱（KGs, Knowledge Graphs）提升准确性。

理论基础

1. 知识图谱（KGs）：通过本体论（ontology）和词库（thesaurus）结构化制造能力数据，例如SUDOKN本体基于工业本体基金会（IOF）框架，定义“供应商-能力-行业-材料”等实体关系。
   
2. 检索增强生成（RAG, Retrieval-Augmented Generation）：将LLMs与外部知识库（如KG）结合，生成基于事实的响应。
   

研究目标

开发一种本体驱动的图谱构建方法，整合LLMs与KGs，实现：
1. 非结构化供应商数据到标准化KG的自动转化；
2. 基于语义的精准供应商检索；
3. 提升中小型制造商（SMMs）的可见性与供应链韧性。

三、研究流程与方法

1. 本体与词库构建

• 制造能力词库（MCT）：包含2100个制造概念、3900个标签，通过SKOS（Simple Knowledge Organization System）规范术语（如“molding sand”与“foundry sand”为同义词）。
  
• SUDOKN本体：基于BFO（Basic Formal Ontology）顶层本体，定义5类实体（供应商、能力、行业等）和6类关系（如“has_process_capability”）。
  

2. 供应商数据采集与三元组提取

• 数据来源：北卡罗来纳州供应商平台ManufacturedNC的1000家供应商网页文本。
  
• 标注数据集：人工标注部分文本，形成（主语，谓词，宾语）三元组（如“(A & G Machining, has_process_capability, fabrication)”），用于微调GPT-3.5 Turbo模型。
  
• 微调方法：采用监督学习，输入为网页文本，输出为三元组，损失函数为交叉熵，学习率6.25e-5，3轮训练后F1分数达94.42%（8:1:1数据划分）。
  

3. 实体归一化（Entity Normalization）

• 方法：结合RAG与Jaccard相似度（阈值θ=0.8），将LLM提取的实体（如“ISO-9001”）映射到MCT标准术语（如“ISO 9001”）。
  
• 性能：精确度100%（θ=0.9时），但召回率降至63.41%；最终选择θ=0.8以平衡F1分数（85.71%）。
  

4. 知识图谱构建

• 工具：Neo4j图数据库。
  
• 规模：1663个实体、6911条关系，涵盖供应商能力、认证、材料等维度。
  
• 动态更新：支持新数据通过自动化管道（文本→三元组→归一化→图谱）实时集成。
  

5. 图谱增强的问答系统（QAS）

• 架构：LangChain库链接GPT-3.5 Turbo与Neo4j，用户自然语言查询转为Cypher图查询语言。
  
• 对比实验：与SummaryIndex、KnowledgeGraphIndex相比，SCKG索引的精确度（94.76%）、F1分数（96.60%）显著更高（表3）。
  

四、主要结果

1. 三元组提取：微调后的LLM在测试集上F1达94.42%，较基线模型（55.25%）提升显著（表2）。
   
2. 实体归一化：Jaccard相似度阈值优化后，错误术语减少85%。
   
3. 问答系统：SCKG-QAS在30个测试问题中准确率94.81%，显著优于其他索引方法（图6-9）。例如，查询“列出北卡罗来纳州具备塑料加工能力且通过ISO 13485认证的10家公司”，SCKG-QAS精准返回5家合格供应商，而GPT-4仅正确识别2家（表1）。
   

五、结论与价值

1. 科学价值：提出首个本体驱动的供应商图谱构建框架，融合LLMs的语义理解与KGs的结构化推理，解决制造业数据异构性问题。
   
2. 应用价值：
   
   • 提升供应商匹配效率，缩短供应链重组时间；
     
   • 增强中小制造商可见性，促进供应链韧性；
     
   • 可扩展至医疗、法律等领域（需替换本体与词库）。
     

六、研究亮点

1. 方法论创新：首次将RAG与Jaccard相似度结合用于实体归一化，平衡语义与结构一致性。
   
2. 技术整合：开发全自动化流水线（文本→图谱→问答），支持动态更新。
   
3. 领域适配性：通过MCT词库与SUDOKN本体，解决LLMs在制造业术语中的“幻觉”问题。
   

七、局限与展望

1. 数据依赖性：图谱质量受原始数据准确性制约，需扩展多源数据（如合同、物流报告）。
   
2. 未来方向：
   
   • 开发多模态KG（集成图像、3D模型）；
     
   • 探索半监督三元组提取以减少人工标注；
     
   • 应用RDF图增强推理能力。
     

（注：全文约1800字，严格遵循术语翻译规范，如“retrieval-augmented generation”首次出现译为“检索增强生成（RAG）”。）