基于 BERT 与神经网络利用复杂属性关联进行异构实体匹配
计算与语言
2023-09-21 v1
摘要
在多个领域中，来自百度百科与维基百科等不同来源的数据常呈现为不同形式。当前实体匹配方法主要聚焦于同质数据，其特征是属性具有相同结构且属性值简洁。然而，这种取向给处理多样格式的数据带来挑战。此外，主流方法聚合对应属性间属性值的相似度以确定实体相似度。但它们常忽视属性间复杂的相互关联，其中一个属性可能具有多种关联。这种简单的成对属性比较未能利用实体中蕴含的丰富信息。为应对这些挑战，我们引入一种新颖的实体匹配模型，称为捕捉复杂属性关系的实体匹配模型（EMM-CCAR），构建于预训练模型之上。具体而言，该模型将匹配任务转化为序列匹配问题，以减轻数据格式多变的影响。此外，通过引入注意力机制，它识别属性间的复杂关系，强调多属性间的匹配程度而非一对一对应。通过集成 EMM-CCAR 模型，我们妥善克服了数据异构性与属性复杂相互依赖带来的挑战。与流行的 DER-SSM 和 Ditto 方法相比，我们的模型在 F1 分数上分别提升约 4% 与 1%。这为解决实体匹配中属性复杂性的难题提供了稳健方案。
引用
@article{arxiv.2309.11046,
title = {Heterogeneous Entity Matching with Complex Attribute Associations using BERT and Neural Networks},
author = {Shitao Wang and Jiamin Lu},
journal= {arXiv preprint arXiv:2309.11046},
year = {2023}
}