KAHAN：面向金融数据叙述的知识增强层次分析
人工智能
2025-09-23 v1
摘要
我们提出 KAHAN，一个知识增强的层次框架，系统性地从原始表格数据中提取见解，覆盖实体、两两、组和系统四个层次。KAHAN 独特地利用 LLM 作为领域专家驱动分析。在 DataTales 金融报告基准上，KAHAN 相较于现有方法在叙述质量（GPT-4o）上提升超过 20%，保持 98.2% 的事实性，并在人类评估中证明了实际用途。我们的结果揭示了知识质量通过蒸馏驱动模型性能，层次分析在市场复杂度下的效益差异，以及该框架在医疗领域的有效迁移。数据和代码已在 https://github.com/yajingyang/kahan 提供。
引用
@article{arxiv.2509.17037,
title = {KAHAN: Knowledge-Augmented Hierarchical Analysis and Narration for Financial Data Narration},
author = {Yajing Yang and Tony Deng and Min-Yen Kan},
journal= {arXiv preprint arXiv:2509.17037},
year = {2025}
}
备注
Accepted at EMNLP 2025 Findings