Knowledge Graph Transformers Архитектура динамического рассуждения для развивающегося знания
Архитектура динамического рассуждения Knowledge Graph Transformers для развивающегося знания
Графы знаний, которые представляют факты как связанные сущности, стали ключевой техникой для усовершенствования систем искусственного интеллекта с возможностью усвоения и контекстуализации знаний.
Однако реальные знания постоянно развиваются, что требует динамических представлений, способных улавливать изменчивые, времязависимые сложности мира.
Временные графы знаний (ТГЗ) удовлетворяют этой потребности, включая временную размерность, при этом каждая связь помечена временным штампом, обозначающим ее период действительности. ТГЗ позволяют моделировать не только связи между сущностями, но и динамику этих отношений, открывая новые возможности для искусственного интеллекта.
Несмотря на то, что ТГЗ привлекли значительное внимание исследователей, их применение в специализированных областях остается открытой границей. В частности, финансовый сектор отличается быстро меняющимися рынками и многофасетными текстовыми данными, что может значительно содействовать динамическим графам знаний. Однако доступ к высококачественным графам знаний в финансовой сфере ограничивает прогресс в данной области.
- ИИ в DevOps оптимизация развертывания программного обеспечения и операций
- Моделирование тем в производстве
- Подробное руководство по Распределенному параллелизму данных (DDP)
Решая эту проблему, Xiaohui Victor Li(2023) представляет инновационный открытый финансовый динамический граф знаний (FinDKG), ознаменованный новой моделью обучения временного графа знаний под названием Knowledge Graph Transformer (KGTransformer).
FinDKG/FinDKG_dataset at main · xiaohui-victor-li/FinDKG
Data and Model implementation for paper: FinDKG: Dynamic Knowledge Graph with Large Language Models for Global Finance…
github.com
Financial Dynamic Knowledge Graph
This website provides the Financial Dynamic Knowledge Graph (FinDKG) portal, driven by graph AI model KGTransformer…
xiaohui-victor-li.github.io
FinDKG, построенный на основе корпуса мировых финансовых новостей, охватывающего два десятилетия, объединяет количественные показатели и качественные факторы финансовых систем во взаимосвязанную временную структуру. Авторы демонстрируют применимость FinDKG в генерации конкретных идей для практических приложений, таких как мониторинг рисков и тематическое инвестирование.
Модель KGTransformer, разработанная для обработки сложностей ТГЗ, показывает более высокую эффективность по сравнению с имеющимися моделями статических графов знаний в случае использования тестовых ТГЗ…
