具有门控多跳邻域聚合的知识图谱对齐网络
计算与语言
2019-11-21 v1 人工智能
机器学习
摘要
图神经网络（GNNs）因其识别同构子图的能力，已成为基于嵌入的实体对齐的一种强大范式。然而，在真实知识图谱（KGs）中，对应实体通常具有非同构的邻域结构，这容易导致 GNNs 为它们生成不同的表示。为解决该问题，我们提出了一种新的 KG 对齐网络，即 AliNet，旨在以端到端的方式缓解邻域结构的非同构性。由于对应实体的直接邻居通常因模式异构而不相似，AliNet 引入远距离邻居以扩展其邻域结构之间的重叠。它采用注意力机制来突出有用的远距离邻居并降低噪声。随后，它利用门控机制控制直接邻域信息与远距离邻域信息的聚合。我们进一步提出一种关系损失来精炼实体表示。我们在五个实体对齐数据集上进行了充分的实验及详细的消融研究与分析，证明了 AliNet 的有效性。
引用
@article{arxiv.1911.08936,
title = {Knowledge Graph Alignment Network with Gated Multi-hop Neighborhood Aggregation},
author = {Zequn Sun and Chengming Wang and Wei Hu and Muhao Chen and Jian Dai and Wei Zhang and Yuzhong Qu},
journal= {arXiv preprint arXiv:1911.08936},
year = {2019}
}
备注
Accepted by the 34th AAAI Conference on Artificial Intelligence (AAAI 2020)