基于双向GCN和CVm的实体对齐模型研究

摘要：

实体对齐旨在发现并链接不同知识图谱中指向现实世界的相同实体对象.针对基于图卷积网络的实体对齐通常作用于单一关系类型的无向图,容易导致对应实体学习的嵌入结果不一致问题,构建了一种基于双向图卷积网络和变异系数法的实体对齐模型.该模型通过拆分非对称邻接权重矩阵构建双向图卷积网络方法,学习实体前后向隐藏特征,实现实体的完整表示;同时通过变异系数法为属性加权,选择最有代表性的实体局部语义信息,有效提高实体对齐精确度.通过在两组大型真实异构数据集上对模型进行验证,实验结果表明,该方法与现有基于嵌入的实体对齐方法相比Hit@1值平均提高了4％,同时保持较高的平均倒数秩,在一定程度上可以提高实体对齐效果.

关键词：知识图谱;实体对齐;表示学习;图卷积神经网络;语义相似

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划项目;河北省自然科学基金资助项目;河北省高等学校科学技术研究项目;石家庄市重点研发计划项目

在线出版日期：2021-10-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2716-2720