Transformadores de Gráficos de Conocimiento Arquitectura de Razonamiento Dinámico para el Conocimiento en Evolución
Transformadores de Gráficos de Conocimiento La Arquitectura del Razonamiento Dinámico para un Conocimiento en Evolución
Los gráficos de conocimiento, que representan hechos como entidades interconectadas, han surgido como una técnica fundamental para mejorar los sistemas de IA con la capacidad de asimilar y contextualizar conocimientos.
Sin embargo, el conocimiento del mundo real evoluciona continuamente, lo que requiere representaciones dinámicas que puedan capturar las complejidades fluidas y sensibles al tiempo del mundo.
Los gráficos de conocimiento temporal (TKGs) satisfacen esta necesidad al incorporar una dimensión temporal, donde cada relación está etiquetada con una marca de tiempo que indica su período de validez. Los TKGs permiten modelar no solo las conexiones entre entidades, sino también la dinámica de estas relaciones, desbloqueando nuevas potencialidades para la IA.
Aunque los TKGs han recibido una atención considerable en la investigación, su aplicación en dominios especializados sigue siendo una frontera abierta. En particular, el sector financiero posee atributos como mercados de evolución rápida y datos textuales multifacéticos que podrían beneficiarse significativamente de los gráficos de conocimiento dinámicos. Sin embargo, el acceso subdesarrollado a gráficos de conocimiento financiero de alta calidad ha limitado los avances en este dominio.
- IA en DevOps Optimizando el despliegue y las operaciones de software
- EasyPhoto Tu Generador Personal de Fotos de IA
- La herramienta de cliente de Text-to-Speech de Xenova una plataforma de Inteligencia Artificial sólida y flexible para producir síntesis de voz sintética con un sonido natural
Para abordar esta brecha, Xiaohui Victor Li(2023) introduce un innovador gráfico de conocimiento financiero dinámico de código abierto (FinDKG) impulsado por un nuevo modelo de aprendizaje de gráfico de conocimiento temporal llamado 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
El FinDKG, construido a partir de un corpus de noticias financieras globales que abarca más de dos décadas, encapsula tanto indicadores cuantitativos como factores cualitativos de los sistemas financieros en un marco interconectado y temporal. Los autores demuestran la utilidad del FinDKG en la generación de ideas accionables para aplicaciones del mundo real, como el monitoreo de riesgos y la inversión temática.
Se ha demostrado que el modelo KGTransformer, diseñado para manejar las complejidades de los TKGs, supera a los modelos estáticos de gráficos de conocimiento existentes en los TKG de referencia…
We will continue to update Zepes; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
- Una guía completa de Distributed Data Parallel (DDP)
- Modelado de temas en producción
- El futuro de la industria automotriz podría ser coches que hablan
- Revolucionando la protección del arte digital una nueva herramienta para combatir el raspado no autorizado por IA de la web
- Almacenes de datos vs. Lagos de datos vs. Mercados de datos ¿Necesitas ayuda para decidir?
- La Guía Definitiva de Generadores de Voz por IA para la Edición de 2023
- Investigadores de la Universidad de Washington y Princeton presentan un conjunto de datos de detección de datos de entrenamiento previo WIKIMIA y un nuevo enfoque de aprendizaje automático MIN-K% PROB.