基于附带监督的跨语言实体对齐
计算与语言
2021-01-27 v2 人工智能
信息检索
摘要
为处理实体对齐任务，即匹配不同语言特定知识图谱(KG)中指向同一真实世界对象的实体，已有大量研究投入于多语言知识图谱嵌入方法。此类方法常受限于知识图谱间所提供的种子对齐不足。为此，我们提出一种附带监督模型 JEANS，该模型在共享嵌入方案中联合表示多语言知识图谱与文本语料，并借助来自文本的附带监督信号改进实体对齐。JEANS 首先部署实体 grounding 过程将每个知识图谱与单语文本语料相结合。随后执行两个学习过程：(i) 嵌入学习过程，将每种语言的知识图谱与文本编码于同一嵌入空间；(ii) 基于自学习的对齐学习过程，迭代推导实体间及词素间的嵌入匹配。在基准数据集上的实验表明，JEANS 借助附带监督在实体对齐上取得了可观提升，并显著优于仅依赖知识图谱内部信息的当前最优方法。
引用
@article{arxiv.2005.00171,
title = {Cross-lingual Entity Alignment with Incidental Supervision},
author = {Muhao Chen and Weijia Shi and Ben Zhou and Dan Roth},
journal= {arXiv preprint arXiv:2005.00171},
year = {2021}
}
备注
EACL 2021