weixin_40485502的博客

文章目录1.动机2.输入输出3.相关工作4.模型4.1 GCN4.2 approximating relation representations4.3 joint entity and relation alignment1.动机动机没用关系表达关系和实体密切相关，所以应该有增益用了关系的：需要关系对齐的seedeg JAPE,IPTransE,MTransETransE:可以直接训练entity,rel表达式GCN:不能直接使用关系表达式–GCN是无向无标签的图RGC

文章目录1.Introduction2.Preliminaries2.2 Scope and Related work2.2.1 Entity Linking=entity disambiguation2.2.2 Entity resolution=entity matching=deduplication=record linkage2.2.3 Entity resolution on KGs1.Introduction动机比较：不公平经验估计设置不同只用KG/用额外信息一次对齐/

文章目录1.动机2. 贡献+方法3.应用场景4.其他模型1.动机传统方法使用固有的语义信息：在不同KG间的异质且独立？namelogical expressionnatural language失效：在三元组的符号性质下难以对齐（都是用符号表示的三元组）embedding：单个KG多特定于实体对齐的embedding少缺乏足够的对齐数据(bootstrapping)2. 贡献+方法建模为分类问题source可分类为target中的哪一个:target范围在所有标

文章目录1.综述2.技术论文3.汇总3.1定义3.2 评价指标3.3 数据集3.4 数据预处理技术3.5 索引3.6 对齐3.6.1 按属性相似度/文本相似度做：成对实体对齐3.6.2 协同对齐：考虑不同实体间的关联3.6.2.1 局部实体对齐3.6.2.2 全局实体对齐3.6.3 基于embedding的方法分类4.开源代码5.效果比较参考文献1.综述embedding 方法A Benchmarking Study of Embedding-based Entity Alignment for K

文章目录abstract1. introduction2 Related Work2.1 Binary Relation Embedding2.2 Multi-fold Relation Embedding3 Group-Constrained Embedding3.1 Framework3.2 Optimizing Method3.3 Proposed Model3.4 Complexity A...