GDELT Project
PulseAugur coverage of GDELT Project — every cluster mentioning GDELT Project across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
GDELT与Common Crawl新闻：自然语言处理的比较分析
本文比较了GDELT和Common Crawl News这两个对自然语言处理、知识图谱和大型语言模型至关重要的新闻数据集。通过分析它们的内容和来源覆盖范围，研究突出了每个数据集独特的优势和局限性。GDELT主要使用广播、印刷和网络新闻，而Common Crawl News是通过对全球新闻网站进行网络爬取收集的，这揭示了它们数据获取方式的显著差异。
-
新型TKGE模型BSCA利用双四元数空间和注意力机制增强事实推理能力
研究人员开发了一种名为双四元数空间与复值注意力机制（BSCA）的新型时序知识图谱嵌入（TKGE）模型。该模型旨在通过利用一个统一的双四元数框架来改进演化知识图中缺失事实的推理，该框架结合了圆旋转和双曲旋转。BSCA包含一个复值注意力机制，能够自适应地融合时间条件和关系条件下的实体表示，使其能够随时间和关系上下文而变化。实验表明，BSCA在五个基准数据集上取得了具有竞争力的性能，尤其是在GDELT数据集上，其MRR达到了52.1%，比最…
-
Quantamentry 通过链接来源的数字和 MCP 服务器增强数据透明度
Quantamentry 推出了一个新系统，通过显示其宏观数据集页面上呈现的每个数字的来源和日期来增强数据透明度。该系统使用世界银行和国际货币基金组织等组织的公共数据构建，旨在建立对数据的信任，特别是对于 AI 代理。此外，Quantamentry 还推出了公共模型上下文协议 (MCP) 服务器，允许代理直接查询其数据而无需进行网络抓取，并设有速率限制和可选的 API 密钥以增加访问权限。
-
新的LLM管道分析新闻文章中的媒体偏见和框架
研究人员开发了一个新的管道，用于分析在线新闻文章中的媒体偏见和框架。该系统按主题和事件对文章进行分组，然后用命名实体和情感对其进行注释。该管道应用于GDELT项目中的8,358篇阿尔巴尼亚新闻文章，并将其注释与GDELT现有的注释进行了比较。研究发现情感和实体提取方面存在中等程度的一致性，新管道识别出了可能有助于偏见分析的额外人物-实体对。研究还探讨了不同的注释提示，结论是，尽管覆盖范围略有降低，但更简单的提示效率更高。
-
新AI框架在数据有限的情况下预测市场波动
研究人员开发了一个名为异常增强多信号融合（AAMSF）的新框架，用于预测极端市场波动，尤其是在标记数据有限的情况下。这种半监督方法结合了来自市场指标、新闻和事件等各种来源的异常检测分数，并使用一种轻量级的融合方法。时间扩展T-AAMSF通过累积多天的异常来进一步提高性能。在对沪深300指数的测试中，AAMSF的性能显著优于现有的无监督和神经网络基线，而T-AAMSF在精确率-召回率方面有所提高。
-
HawkesLLM框架解决了代理文本模拟中的语义不确定性
研究人员开发了HawkesLLM，一个旨在管理代理文本模拟系统中语义不确定性的新框架。该框架将时间影响建模与文本生成分开，将代理交互的级联表示为一个网络。多元Hawkes过程用于模拟代理如何随时间激活以及哪些先前输出应影响未来提示，然后语言模型根据此时间选择生成新事件。