用于数据融合的连体图神经网络
数据库
2020-01-22 v1 机器学习
摘要
数据集成已被广泛研究数十年，并从不同角度加以探讨。然而，该领域仍很大程度上由规则驱动且缺乏通用自动化。机器学习尤其是深度学习近来的发展，为数据集成问题开辟了更通用、更高效解决方案的途径。在本工作中，我们提出一种通用方法，用于对结构化数据（如关系数据库）以及非结构化来源（如新闻文章中的自由文本）中的实体进行建模与集成。我们的方法旨在显式建模并利用实体间关系，从而使用所有可用信息并尽可能保留上下文。这是通过结合连体(siamese)与图神经网络，在相连实体间传播信息并支持高可扩展性来实现的。我们在商业实体数据集成任务上评估了我们的方法，并证明其优于基于规则的标准系统以及不使用基于图表示的其他深度学习方法。
引用
@article{arxiv.2001.06543,
title = {Siamese Graph Neural Networks for Data Integration},
author = {Evgeny Krivosheev and Mattia Atzeni and Katsiaryna Mirylenka and Paolo Scotton and Fabio Casati},
journal= {arXiv preprint arXiv:2001.06543},
year = {2020}
}