用于国际贸易流分析的多维知识图谱嵌入
机器学习
2024-10-29 v1 人工智能
信息检索
综合经济学
经济学
摘要
理解高维、偶然且强非线性的经济数据（通常由乘法过程塑造）的复杂动态，对传统回归方法提出了重大挑战，因为这些方法在捕捉其所呈现的结构性变化方面能力有限。为了解决这一问题，我们提出利用知识图谱嵌入在经济贸易数据方面的潜力，特别是用于预测国际贸易关系。我们使用 SDM-RDFizer 实现了 KonecoKG，这是一种具有多维关系的经济贸易数据知识图谱表示，并使用 AmpliGraph 将这些关系转化为知识图谱嵌入。
引用
@article{arxiv.2410.19835,
title = {Multidimensional Knowledge Graph Embeddings for International Trade Flow Analysis},
author = {Durgesh Nandini and Simon Bloethner and Mirco Schoenfeld and Mario Larch},
journal= {arXiv preprint arXiv:2410.19835},
year = {2024}
}