Los gráficos de conocimiento, que representan hechos como entidades interconectadas, se han convertido en una técnica fundamental para mejorar los sistemas de IA con la capacidad de asimilar y contextualizar el conocimiento.
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 (TKG) satisfacen esta necesidad al incorporar una dimensión temporal, con cada relación etiquetada con una marca de tiempo que indica su período de validez. Los TKG permiten modelar no sólo las conexiones entre entidades sino también la dinámica de estas relaciones, desbloqueando nuevos potenciales para la IA.
Si bien los TKG han atraído una importante atención de la investigación, su aplicación en dominios especializados sigue siendo una frontera abierta. En particular, el sector financiero posee atributos como mercados en rápida evolución y datos textuales multifacéticos que podrían beneficiarse significativamente de los gráficos de conocimiento dinámicos. Sin embargo, el acceso poco desarrollado a gráficos de conocimiento financiero de alta calidad ha limitado los avances en este ámbito.
Para abordar esta brecha, Xiaohui Victor Li (2023) presenta un innovador gráfico de conocimiento dinámico financiero (FinDKG) de código abierto impulsado por un novedoso modelo de aprendizaje de gráficos de conocimiento temporal llamado Knowledge Graph Transformer (KGTransformer).
El FinDKG, elaborado a partir de un corpus de noticias financieras globales que abarca más de dos décadas, resume tanto los indicadores cuantitativos como los impulsores cualitativos de los sistemas financieros en un marco temporal interconectado. Los autores demuestran la utilidad de FinDKG a la hora de generar conocimientos prácticos para aplicaciones del mundo real, como la supervisión de riesgos y la inversión temática.
Se ha demostrado que el modelo KGTransformer, diseñado para manejar las complejidades de los TKG, supera a los modelos de gráficos de conocimiento estáticos existentes en los TKG de referencia…