JPEC：一种用于金融知识图谱中竞争者检索的新型图神经网络

知识图谱因其有效组织和分析复杂数据的能力而广受欢迎。当与图嵌入技术（如图神经网络，GNN）结合时，知识图谱成为提供有价值洞察的强大工具。本研究探索了图嵌入在从金融知识图谱中识别竞争者方面的应用。现有的最先进（SOTA）模型由于我们知识图谱的独特属性而面临挑战，包括有向和无向关系、带属性节点以及最少的标注竞争者连接。为了解决这些挑战，我们提出了一种新型图嵌入模型JPEC（JPMorgan Proximity Embedding for Competitor Detection），该模型利用图神经网络从一阶和二阶节点邻近性以及竞争者检索的关键特征中学习。JPEC在广泛实验中超越了大多数现有模型，展示了其在竞争者检索中的有效性。