科研之友
微信
新浪微博
Facebook
分享链接
摘要
【目的】提出一种数据驱动的动态关系预测方法，为金融知识图谱的快速更新方法研究提供新视角。【方法】根据监测列表和检索策略在互联网爬取相关信息，使用掩码语言建模任务构建数据集并训练模型；提取金融知识图谱的层级结构搭建神经网络的隐藏层，隐藏层所含的神经元表示命名实体，隐藏层之间使用关系矩阵连接，通过对连接矩阵更新实现对关系的动态预测。【结果】以“宝万之争”事件初期的两次股权变更为例，本文方法可以在不同时期快速捕捉金融图谱中对应实体间关系的变化，验证了方法的有效性。【局限】受限于自监督学习的特性，所预测的关系较为发散，仍需人工进行校准核验。【结论】本文所提方法在数据充分的情况下，无需人工标注即可获取实体间关系的变化，可以对金融知识图谱的关系进行高效持续的预测。
- 单位
