ナレッジグラフトランスフォーマー:進化する知識に対するダイナミックな推論を構築する
「ビューティー&ファッションの専門家に学ぶ:進化する知識に基づくダイナミックな推論の構築」
知識グラフは、事実を相互に関連するエンティティとして表現するテクニックとして登場し、AIシステムを知識を吸収し文脈化する能力を高めるために重要な役割を果たしています。
しかし、現実の知識は絶えず進化しており、世界の流動的な時間に敏感な複雑さを捉えることができる動的な表現が必要です。
時間的知識グラフ(TKGs)は、有効期間を示すタイムスタンプが付いた関係ごとに時間的な次元を組み込み、このニーズを満たします。TKGsは、エンティティ間の関連だけでなく、これらの関係のダイナミクスをモデル化することも可能にし、AIの新たな可能性を引き出します。
TKGsは重要な研究関心を集めていますが、それらの専門領域への応用は未開拓の領域となっています。特に、金融セクターは急速に進化する市場や多面的なテキストデータなどの属性を持ち、動的な知識グラフから大きな恩恵を受けることができます。しかし、高品質の金融知識グラフへのアクセスの不足が、この領域での進歩を制約しています。
このギャップに対応するため、Xiaohui Victor Li(2023)は、新しい時系列知識グラフ学習モデルであるKnowledge Graph Transformer(KGTransformer)によって駆動される革新的なオープンソースの金融動的知識グラフ(FinDKG)を紹介しています。
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は、20年以上にわたるグローバル金融ニュースのコーパスから構築され、金融システムの定量的な指標と定性的な要因を相互に関連付けた時間的なフレームワークにまとめられています。著者たちは、リスク監視やテーマ投資などの現実のアプリケーションに対して、FinDKGの有用性を示しています。
TKGsの複雑さを扱うように設計されたKGTransformerモデルは、ベンチマークのTKG上で既存の静的な知識グラフモデルを上回ることが示されています。
We will continue to update VoAGI; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles