论文浅尝 | 基于属性嵌入的知识图谱间实体对齐方法

笔记整理：张清恒，南京大学计算机科学与技术系，硕士研究生。

---

论文链接：https://people.eng.unimelb.edu.au/jianzhongq/papers/AAAI2019_EntityAlignment.pdf

发表会议：AAAI 2019

摘要

近来，针对跨知识图谱（KGs）的实体对齐任务，研究者提出并改进了多种基于embedding的模型。这些模型充分利用实体与实体之间的关系以得到实体之间的语义相似度，换言之，这些模型更关注于关系三元组（relationship triple）。本文发现KG中存在着大量的属性三元组（attribute triple），本文提出的模型利用属性三元组生成 attributecharacter embeddings，使其帮助不同KG中的实体映射到同一空间中。与此同时，模型还使用传递规则进一步丰富三元组。实验结果表明，相比于现有方法，本文提出的模型在实体对齐任务上取得了较大的提升。

模型介绍

1.     概览

如图1所示，该模型由三个核心部分组成，分别是谓词对齐（predicate alignment）、嵌入学习（embedding learning）和实体对齐（entity alignment）。

2. Predicate Alignment

该模块通过重命名潜在对齐的谓词将两个KG合并成一个KG。通过计算谓词的名称（URI的最后一部分）相似度，发现潜在对齐的谓词对，然后使用统一的命名格式将其重命名。例如，将对其