Lambda：面向含未标记悬空实例的实体对齐的可匹配先验学习
计算与语言
2024-11-12 v2 信息检索
摘要
我们研究了具有未标记悬空实例的实体对齐问题，即部分实体在另一个知识图谱（KG）中没有对应实体，且此类实体保持未标记状态。为应对这一挑战，我们提出了 \textit{Lambda} 框架，用于先进行悬空检测再进行实体对齐。Lambda 包含一个基于 GNN 的编码器 KEESA（采用谱对比学习进行实体对齐）以及一个用于悬空检测的正未标记学习算法 iPULE。iPULE 提供了无偏性、一致偏差界和收敛性的理论保证。实验结果表明，即使基线方法额外利用了 30% 的已标记悬空实体进行训练，每个组件均对整体性能有所贡献，且表现优于基线。
引用
@article{arxiv.2403.10978,
title = {Lambda: Learning Matchable Prior For Entity Alignment with Unlabeled Dangling Cases},
author = {Hang Yin and Liyao Xiang and Dong Ding and Yuheng He and Yihan Wu and Xinbing Wang and Chenghu Zhou},
journal= {arXiv preprint arXiv:2403.10978},
year = {2024}
}
备注
Accepted in NeurIPS 2024 as a poster