分类:生产关系挖掘

研究背景

在产品网络中研究产品对整个生产系统的影响力（重要性），或者一个产品对另一个产品的重要性，需要产品生产关系数据，以及相应的分析方法。这个分析方法需要考虑产品之间的直接和间接生产关系，以及区分生产方式和产品。有了这样的分析，除了度量生产方式和产品的影响力，我们还可以看看如果某种局部的产品或者生产方式的调整能够实现，这个效果会怎样。例如，某个产品消失了减产了，或者某个新的生产方式出现了，会对整个生产系统有什么影响，等等。

实际上，生产过程也可以看做是广义的化学反应网络：产品就是反应物、生产方式就是化学反应。那么，当我们没有格式化的产品网络可以用的时候，我们也可以暂时用化学反应网络的数据来开展研究。

如果我们要得到产品网络，我们首先需要产品生产关系的文本，然后，从文本中获取生产关系。类似地，我们可以从化学论文中获取化学反应网络的数据。实际上，后者已经有专业的公司和研究者来做^[1][2][3][4]。这里有一个更完整的化学反应数据集列表^[5]。

但是，在产品生产关系上，没有这样的已经做好的数据集。那么，有没有文本材料呢，如果有，能不能通过自然语言处理技术来从文本得到结构化数据集呢？

最近发现了一个文本材料，“How Prroducts Are Made”网站^[6]，列出来了很多产品的生产过程，原材料。

另一项生产关系数据是软件依赖关系。例如github上各个研究项目之间的依赖关系，linux系统的软件依赖关系。不过这个数据本身一般来说就是已经格式化的，不用挖掘。这个数据可以直接拿过来研究哪个软件最关键，那个软件在其依赖软件基础之上提供了最大的跳跃或者说附加值（例如，每个软件的下载次数或者某种使用程度计量当做外界，然后反向传播到软件依赖网络内之后得到每个软件的贡献量，接着组合之后的软件的这个量减去组合之前的这个量，就可以当做这个组合的附加值）。

自然语言处理技术得到结构化产品生产数据

下一步就是看看能不能用自然语言处理技术来从“How Prroducts Are Made”网站^[6]得到结构化产品生产网络的数据了。

最简单的方法，直接用“How Prroducts Are Made”网站的产品列表为产品集合，直接从文本中检索匹配。稍微复杂一点，可以允许词矢量近似匹配，也就是包含并不完全是一个名字的产品。更复杂的，可能就需要来设计更好的自然语言处理方法了。

参考文献