联合三元组嵌入的实体对齐

TP391; 实体对齐是从不同知识图谱中识别出指向相同实体的任务,对于知识图谱融合十分重要.现有的实体对齐方法大多基于图神经网络,通过建模实体的邻域信息,学习实体的嵌入表示.该方法难以学习知识图谱中的三元组信息,三元组信息利用不充分.为了解决该问题,提出了联合三元组嵌入的实体对齐模型.该模型先计算出每个实体的三元组嵌入,之后使用此三元组嵌入进行实体对齐.考虑到知识图谱中的关系具有不同的类型,为利用这些关系类型,提出了一种关系类型感知的三元组嵌入计算方法;同时在模型中加入了基于关系类型的约束,以学习关系映射属性.通过在三个公开的数据集上进行实验,实验数据优于同类实体对齐方法,验证了提出的方法的有...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 59; no. 24; pp. 70 - 77
Main Authors 李凤英, 黎家鹏
Format Journal Article
LanguageChinese
Published 桂林电子科技大学 广西可信软件重点实验室,广西 桂林 541004 15.12.2023
Subjects
entity alignment
triple
三元组
实体对齐
图卷积网络
知识图谱
graph convolutional networks
knowledge graph
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2302-0087

Cover

More Information
Summary:TP391; 实体对齐是从不同知识图谱中识别出指向相同实体的任务,对于知识图谱融合十分重要.现有的实体对齐方法大多基于图神经网络,通过建模实体的邻域信息,学习实体的嵌入表示.该方法难以学习知识图谱中的三元组信息,三元组信息利用不充分.为了解决该问题,提出了联合三元组嵌入的实体对齐模型.该模型先计算出每个实体的三元组嵌入,之后使用此三元组嵌入进行实体对齐.考虑到知识图谱中的关系具有不同的类型,为利用这些关系类型,提出了一种关系类型感知的三元组嵌入计算方法;同时在模型中加入了基于关系类型的约束,以学习关系映射属性.通过在三个公开的数据集上进行实验,实验数据优于同类实体对齐方法,验证了提出的方法的有效性.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2302-0087