FinReflectKG：金融知识图谱的代理构建与评估
计算金融
2025-10-08 v2 投资组合管理
摘要
金融领域因金融文件的文件复杂性和监管性质，在规模化知识图谱构建方面存在独特挑战。尽管结构化金融知识的重要性不言而喻，但该领域缺乏大规模、开源数据集，能够捕捉来自企业披露文件的丰富语义关系。我们介绍了一个开源、大规模的金融知识图谱数据集，基于所有S&P 100公司的最新年度SEC 10-K文件构建，旨在催化金融AI研究。我们提出了一个稳健且通用的知识图谱构建框架，集成智能文档解析、表格感知分块和以反思为导向的迭代提取反馈循环。我们的系统包含一个全面的评估管道，结合规则基于检查、统计验证和LLM-as-a-Judge评估，以全面衡量提取质量。我们支持三种提取模式——单次提取、多次提取和反思代理模式，允许根据用户需求在效率、准确性和可靠性之间进行灵活权衡。经验评估表明，反思代理模式始终实现了最佳平衡，达到了64.8%的合规率（针对所有规则基于策略（CheckRules）），并在精确度、完整性和相关性等关键指标上超越了基线方法（单次提取和多次提取）。
引用
@article{arxiv.2508.17906,
title = {FinReflectKG: Agentic Construction and Evaluation of Financial Knowledge Graphs},
author = {Abhinav Arun and Fabrizio Dimino and Tejas Prakash Agarwal and Bhaskarjit Sarmah and Stefano Pasquali},
journal= {arXiv preprint arXiv:2508.17906},
year = {2025}
}