TransAlign:面向知识图谱的全自动高效实体对齐
计算与语言
2022-10-18 v1 人工智能
摘要
知识图谱(KGs)间的实体对齐任务旨在识别两个不同KG中代表同一实体的每一对实体。许多基于机器学习的方法已被提出用于该任务。然而,据我们所知,现有方法均需人工构建的种子对齐,其获取代价高昂。本文中,我们提出首个名为TransAlign的全自动对齐方法,其不需要任何人工构建的种子对齐。具体而言,对于谓词嵌入,TransAlign通过学习的实体类型注意力自动捕获两KG间谓词的相似性,构建谓词邻近图。对于实体嵌入,TransAlign首先使用TransE独立计算各KG的实体嵌入,然后基于实体属性相似度将两KG的实体嵌入平移至同一向量空间。因此,谓词对齐与实体对齐均可在无人工种子对齐下完成。TransAlign不仅全自动,且高度有效。使用真实世界KG的实验表明,相较于最先进方法,TransAlign显著提升了实体对齐准确率。
引用
@article{arxiv.2210.08540,
title = {TransAlign: Fully Automatic and Effective Entity Alignment for Knowledge Graphs},
author = {Rui Zhang and Xiaoyan Zhao and Bayu Distiawan Trisedya and Min Yang and Hong Cheng and Jianzhong Qi},
journal= {arXiv preprint arXiv:2210.08540},
year = {2022}
}