Framework collaborativo di IA per navigare dati finanziari non strutturati
I ricercatori hanno introdotto un framework innovativo chiamato GraphRAG per analizzare più efficacemente i dati dei registri commerciali. Sebbene questi registri pubblici siano accessibili, sono difficili da navigare a causa di una combinazione di dati strutturati e grandi quantità di testo legale non strutturato. Questa complessità rende difficili i metodi di ricerca standard, specialmente per indagini complesse che coinvolgono più passaggi. L'approccio prevede la creazione di un grafo di conoscenza Neo4j attraverso tre fasi: prima, i nodi affidabili vengono ricavati da campi strutturati; seconda, i nodi deboli vengono raccolti da avvisi non strutturati utilizzando modelli linguistici di grandi dimensioni; terza, avvengono la risoluzione dell'identità e la deduplicazione. Un agente modulare analitico arricchisce il grafo con funzionalità avanzate, e un dashboard user-friendly fornisce supervisione. Questo lavoro è stato condiviso su arXiv con ID 2605.18770.
Fatti principali
- Il framework si chiama Agentic GraphRAG
- Progettato per l'analisi esperta dei dati dei registri commerciali
- Utilizza un grafo di conoscenza Neo4j
- Pipeline in tre fasi: ingestione deterministica, estrazione LLM, risoluzione dell'identità
- Include un agente modulare analitico con routing dell'intento zero-shot e ciclo di riflessione limitato
- Dashboard human-in-the-loop per prove e esecuzione
- Pubblicato su arXiv con ID 2605.18770
- Affronta i limiti della ricerca per parole chiave e solo vettoriale per indagini multi-hop, temporali e incentrate sulle entità
Entità
Istituzioni
- arXiv