基于邻域聚合的实体对齐方法

摘要：

实体对齐旨在判断来自不同知识图谱的实体是否为指向真实世界的同一个对象.然而,知识图谱间的结构异质性往往会影响实体对齐的准确性.提出一种基于邻域聚合匹配网络(NAMN)模型的实体对齐方法.根据每跳邻居对中心实体重要性不同的特点,采用分层的思想区别处理每跳邻域信息,通过门控机制进行聚合以学习图结构的表征.在此基础上,为每个实体构建邻域局部子图进行跨图邻域匹配,并将匹配阶段的输出与通过门控机制所学习到的图结构表征进行联合编码,生成最终面向匹配的表征.采用DBP15K数据集进行实验,结果显示,Hits@1的所有值均在75％以上,Hits@10的所有值均在85％以上,最高可达到97％,平均倒数排名均高于80％,表明NAMN模型能够有效提高实体的匹配准确度.

关键词：实体对齐、知识图谱、门控邻域聚合、邻域匹配、对齐预测

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-06-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：65-72