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!