国际贸易流的准确预测：利用知识图谱及其嵌入
人工智能
2023-10-18 v1 符号计算
摘要
知识表示（KR）在设计符号化记号以表示现实世界事实并促进自动化决策任务方面至关重要。知识图谱（KG）迄今已成为一种流行的知识表示形式，提供了情境化且类人的知识表示。在国际经济学中，KG 已被证明在捕捉商品、公司与国家之间的复杂交互方面具有价值。通过将作为常见经济框架的引力模型纳入 KG 构建过程，可以考虑影响贸易关系的重要因素，从而能够预测国际贸易模式。本文提出一种利用知识图谱嵌入来建模国际贸易的方法，侧重于使用嵌入进行链接预测。由此，为政策制定者、企业与经济学家提供了有价值的见解，使其能预期国际贸易体系变化的影响。此外，还探索了传统机器学习方法与 KG 嵌入的集成，例如决策树与图神经网络。研究结果展示了提升预测精度的潜力，并提供了关于知识表示中嵌入可解释性的见解。本文还全面分析了嵌入方法对其他智能算法的影响。
引用
@article{arxiv.2310.11161,
title = {Accurate prediction of international trade flows: Leveraging knowledge graphs and their embeddings},
author = {Diego Rincon-Yanez and Chahinez Ounoughi and Bassem Sellami and Tarmo Kalvet and Marek Tiits and Sabrina Senatore and Sadok Ben Yahia},
journal= {arXiv preprint arXiv:2310.11161},
year = {2023}
}
备注
Accepted on Journal of King Saud University Computer and Information Sciences