基于最优传输的冲突感知伪标注实体对齐方法

实体对齐旨在发现不同知识图谱（KG）间含义相同的唯一等价实体对。现有模型侧重于将知识图谱投影到潜在嵌入空间，以捕获实体间固有语义用于实体对齐。然而，训练过程中对齐冲突的负面影响在很大程度上被忽视，从而限制了实体对齐性能。为解决此问题，我们提出一种新颖的基于最优传输的冲突感知伪标注模型（CPL-OT）用于实体对齐。其核心思想是通过具备冲突感知的最优传输（OT）建模迭代地对对齐对进行伪标注，以提升实体对齐的精度。CPL-OT由两个相互增强的关键组件构成——具有全局-局部聚合的实体嵌入学习，以及迭代式冲突感知伪标注。为缓解伪标注过程中的对齐冲突，我们提出使用最优传输作为一种有效手段，以最小总体传输代价保证两个知识图谱间的一对一实体对齐。在基准数据集上的大量实验验证了CPL-OT在有无先验对齐种子两种设定下均优于最先进的基线方法。