理解与引导基于潜在同构传播的弱监督实体对齐
信息检索
2024-10-15 v2 机器学习
摘要
弱监督实体对齐（EA）是指仅利用少量种子对齐，在异构知识图谱（KGs）间识别等价实体的任务。尽管基于聚合的弱监督 EA 已取得显著进展，但该设定下的底层机制仍未被探索。本文提出一种传播视角来分析弱监督 EA 并解释现有的基于聚合的 EA 模型。我们的理论分析表明，这些模型本质上是在寻找成对实体相似度的传播算子。我们进一步证明，尽管不同 KGs 存在结构异质性，但在基于聚合的 EA 模型中潜在对齐的实体拥有同构子图，这是 EA 的核心前提但此前未被研究。利用这一洞察，我们引入了一种潜在同构传播算子，以增强跨 KGs 的邻域信息传播。我们开发了一个通用的 EA 框架 PipEA，通过整合该算子在不改变学习过程的情况下提升了各类基于聚合模型的准确性。大量实验证实了我们的理论发现，并展示了 PipEA 相较于最先进弱监督 EA 方法的显著性能提升。我们的工作不仅推动了该领域的发展，也加深了对基于聚合的弱监督 EA 的理解。
引用
@article{arxiv.2402.03025,
title = {Understanding and Guiding Weakly Supervised Entity Alignment with Potential Isomorphism Propagation},
author = {Yuanyi Wang and Wei Tang and Haifeng Sun and Zirui Zhuang and Xiaoyuan Fu and Jingyu Wang and Qi Qi and Jianxin Liao},
journal= {arXiv preprint arXiv:2402.03025},
year = {2024}
}