Transformers della Knowledge Graph Architettare il Raziocinio Dinamico per una Conoscenza Evolutiva

Trasformatori del Knowledge Graph Architettare il Raziocinio Dinamico per una Conoscenza Evolutiva

Le conoscenze grafiche, che rappresentano i fatti come entità interconnesse, sono emerse come una tecnica fondamentale per migliorare i sistemi di intelligenza artificiale con la capacità di assimilare e contestualizzare le conoscenze.

Tuttavia, le conoscenze del mondo reale si evolvono continuamente, rendendo necessarie rappresentazioni dinamiche che possano catturare le sfumature fluide e legate al tempo del mondo.

Le conoscenze grafiche temporali (TKGs) soddisfano questa esigenza incorporando una dimensione temporale, con ogni relazione contrassegnata da un timestamp che indica il suo periodo di validità. Le TKG consentono di modellare non solo le connessioni tra le entità, ma anche le dinamiche di queste relazioni, sbloccando nuovi potenziali per l’IA.

Sebbene le TKG abbiano attirato notevole attenzione nella ricerca, la loro applicazione in ambiti specializzati rimane una frontiera aperta. In particolare, il settore finanziario possiede attributi come mercati in rapida evoluzione e dati testuali multiformi che potrebbero beneficiare notevolmente delle conoscenze grafiche dinamiche. Tuttavia, un accesso sottosviluppato a conoscenze finanziarie grafiche di alta qualità ha limitato i progressi in questo campo.

Per colmare questa lacuna, Xiaohui Victor Li (2023) introduce un innovativo Knowledge Graph dinamico finanziario open-source (FinDKG) alimentato da un modello di apprendimento del Knowledge Graph temporale chiamato Knowledge Graph Transformer (KGTransformer).

FinDKG/FinDKG_dataset at main · xiaohui-victor-li/FinDKG

Dati e implementazione del modello per il paper: FinDKG: Dynamic Knowledge Graph with Large Language Models for Global Finance…

github.com

Knowledge Graph finanziario dinamico

Questo sito web fornisce il portale Knowledge Graph finanziario dinamico (FinDKG), guidato dal modello di intelligenza artificiale grafico KGTransformer…

xiaohui-victor-li.github.io

Il FinDKG, costruito a partire da un corpus di notizie finanziarie globali che abbracciano oltre due decenni, racchiude sia indicatori quantitativi che fattori qualitativi dei sistemi finanziari in un framework interconnesso e temporale. Gli autori dimostrano l’utilità del FinDKG nella generazione di insight applicabili per applicazioni del mondo reale come il monitoraggio dei rischi e gli investimenti tematici.

Il modello KGTransformer, progettato per gestire le sfumature delle TKG, ha dimostrato di superare i modelli statici esistenti del knowledge graph sul benchmark TKG…