NALA：一种有效且可解释的实体对齐方法
计算与语言
2024-11-28 v2
摘要
实体对齐（Entity Alignment, EA）旨在发现两个知识图谱中等价实体。现有的基于嵌入的方法通常将实体编码为嵌入向量，将三元组编码为嵌入的约束，并学习嵌入对齐。然而，这些方法通常忽略了对齐过程中涉及的底层逻辑推理步骤，导致推理过程不足。本文引入NALA，这是一种捕获三类逻辑推理路径的实体对齐方法，运用非公理逻辑（Non-Axiomatic Logic, NAL）。类型1&2对齐实体对，类型3对齐关系。NALA通过整合推理路径的结论来迭代对齐实体和关系。该方法在引入NALA后具有逻辑可解释性和可扩展性，适用于各种EA设置。实验结果表明，NALA在Hits@1指标上超过了当前最先进的方法，在DBP15K三个数据集上的有监督和无监督设置下均达到0.98以上。我们提供了对实体对齐基本原理的首次深入分析，从统一的逻辑视角方法论。我们的代码已公开：https://github.com/13998151318/NALA。
引用
@article{arxiv.2404.11968,
title = {NALA: an Effective and Interpretable Entity Alignment Method},
author = {Chuanhao Xu and Jingwei Cheng and Fu Zhang},
journal= {arXiv preprint arXiv:2404.11968},
year = {2024}
}
备注
21 pages. EMNLP 2024 Findings (Accepted)