向量符号开放源信息发现
信息检索
2024-08-21 v1
摘要
联合、合成、政府间、机构间和多国（CJIIM）行动需要快速数据共享，而无需元数据整理和对齐的瓶颈。对于外部开放源信息（OSINF），例如社交媒体，元数据整理尤其不可行，而这类信息在理解不断演变的情况中变得越来越有价值。大型语言模型（Transformer）促进了语义数据和元数据对齐，但在CJIIM环境中，其特征为拒绝、降级、间歇和低带宽（DDIL），其效率较低。向量符号架构（VSA）使用高度紧凑的二进制向量（通常为1-10千比特）支持语义信息处理，适用于DDIL环境。我们展示了一种将VSA与Transformer新颖集成的方法，结合了前者在语义匹配方面的能力与后者的紧凑性和表示结构。该方法通过一个概念验证的OSINF数据发现门户进行说明，该门户允许CJIIM行动中的合作伙伴以最少的元数据整理和低通信带宽共享数据源。这项工作是在先前低技术就绪水平（TRL）研究与更高TRL技术演示和部署之间的桥梁。
关键词
引用
@article{arxiv.2408.10734,
title = {Vector Symbolic Open Source Information Discovery},
author = {Cai Davies and Sam Meek and Philip Hawkins and Benomy Tutcher and Graham Bent and Alun Preece},
journal= {arXiv preprint arXiv:2408.10734},
year = {2024}
}