基于孪生图卷积网络的企业实体匹配
人工智能
2021-05-11 v1 机器学习
摘要
数据集成已被广泛研究数十年，并从不同角度加以探讨。然而该领域仍很大程度上由规则驱动，缺乏通用自动化。机器学习尤其是深度学习的最新进展，为数据集成任务开辟了更通用高效解决方案的道路。本文中，我们展示一种通过利用实体间关系与上下文信息来建模和集成实体的方法。这是通过结合孪生网络与图神经网络，在相连实体间有效传播信息并支持高可扩展性来实现的。我们在企业实体数据集成任务上评估了该方法，表明其优于传统基于规则的系统及其他深度学习方法。
引用
@article{arxiv.2105.03701,
title = {Business Entity Matching with Siamese Graph Convolutional Networks},
author = {Evgeny Krivosheev and Mattia Atzeni and Katsiaryna Mirylenka and Paolo Scotton and Christoph Miksovic and Anton Zorin},
journal= {arXiv preprint arXiv:2105.03701},
year = {2021}
}