全三元组匹配：整合异构知识图谱中的所有三元组元素

知识图谱（KG）是表示和推理结构化信息的强大工具，其主要组成部分包括模式、标识和上下文。虽然模式匹配和标识匹配在本体匹配和实体匹配研究中已为人所知，但上下文匹配仍基本未被探索。这是尤为重要，因为现实世界的知识图谱常常在来源、规模和信息密度方面存在显著差异——这些因素通常未体现在当前实体匹配方法所评估的数据集中。结果是，现有方法在需要整合多样化和复杂上下文的场景下可能不足。为此，我们提出了一种新颖的KG集成方法，包括标签匹配和三元组匹配。我们采用字符串操作、模糊匹配和向量相似性技术来对实体和谓词标签进行对齐。随后，我们识别传递类似信息的三元组之间的映射关系，并利用这些映射来提高实体匹配的准确性。我们的方法在OAEI竞赛中的表现与领先系统相当，并在多样化测试案例中实现高准确率。此外，我们引入了新数据集，源自该基准数据集，以更全面地评估三元组匹配步骤。