发帖
雷达卡
FinReflectKG是由Domyn于2025年发布的金融领域大规模知识图谱数据集，其研究成果对应论文为「FinReflectKG: Agentic Construction and Evaluation of Financial Knowledge Graphs」。
核心目标是解决“金融监管文件中结构化信息难提取”的行业痛点——从企业官方监管文件（如SEC 10-K报告）中挖掘并梳理语义关系，为金融知识图谱的构建、优化提供标准化数据支撑，推动金融AI领域的知识驱动型研究与应用发展。
二、核心数据基础：S&P 100公司SEC 10-K报告为源，含三元组与上下文
数据集以S&P 100指数成分公司的最新年度SEC 10-K报告为核心数据源（SEC 10-K为美国证监会要求企业提交的年度详细财务与运营报告，信息权威且全面），数据形态突出“结构化+上下文结合”：
- 核心数据：包含大规模知识图谱三元组（triplets），直接呈现金融实体间的关联关系；
- 辅助信息：为每个三元组配套完整文本上下文，源自10-K报告原文片段，便于追溯关系提取的原始依据，提升数据可信度。
三、数据核心构成：6大维度，覆盖金融知识图谱全需求
数据集通过6个关键维度构建完整数据体系，适配金融领域知识挖掘场景，具体如下：
1. 实体（Entity）：涵盖金融领域核心实体，如S&P 100公司主体、业务板块、高管、财务指标（营收、净利润）、关联企业等；
2. 关系（Relationship）：定义实体间的语义关联，如“公司-拥有-业务板块”“高管-任职于-公司”“企业-关联交易-合作方”等；
3. 目标实体（Target）：与核心实体存在直接关联的对应实体，是三元组中的“对象端”，如“苹果公司-收购-特斯拉”中的“特斯拉”；
4. 时间戳：标注关系存续的起始与结束日期，适配金融时序分析（如“某高管任职期间2020.01-2024.12”）；
5. 上下文文本（Contextual Text）：提取自10-K报告中支撑该关系的原文段落，如“根据2023年SEC 10-K报告第12页，公司于2023年3月收购XX子公司”；
6. 文档元数据（Metadata）：记录报告所属公司、报告年份、SEC备案编号、数据提取页码等基础信息，便于数据溯源与管理。
四、核心适用场景：覆盖金融AI研究与行业应用
- 学术研究场景：支撑金融领域的实体识别、关系抽取、知识图谱自动构建、金融时序关系分析等课题，为论文提供权威数据验证；
- 行业应用场景：用于开发下游金融智能应用，如AI驱动的监管文件信息提取工具、金融风险关联分析系统、企业信用评估知识图谱平台等。
五、权威获取途径
优先通过学术数据平台（如IEEE DataPort、Figshare） 搜索“FinReflectKG”下载，或访问论文「FinReflectKG: Agentic Construction and Evaluation of Financial Knowledge Graphs」的附属链接获取；下载包包含三元组数据文件、上下文文本库、文档元数据表格及数据使用说明，支持CSV、JSON-LD等通用格式，可直接导入知识图谱工具（如Neo4j）或AI模型训练框架。
京公网安备 11010802022788号
