实体对齐 算法_融合语义和结构信息的知识图谱实体对齐
·
融合语义和结构信息的知识图谱实体对齐
苏佳林
1,2,
王元卓
1*,
靳小龙
1,
李曼玲
1,
程学旗
1
【摘
要】
实体对齐能够发现不同知识图谱实体间的对齐关系
,
是多源知识融合的
基础。现有的基于知识表示学习的方法依赖大量标注数据
,
且并未利用知识图谱
中属性等结构化信息
,
限制了实体对齐的效果。针对这个问题
,
文章提出融合语义
和结构信息的实体对齐方法
,
使用协同训练
(Cotraining)
框架
,
将特征分为语义视
角
和
结
构
视
角
,
在
两个
视
角
下
分
别
训
练
基于
两
个
图
谱
联
合
表
示学
习
(Joint
Embedding)
的实体对齐模型
,
并不断选出最可信的实体对齐结果用于辅助另一
视角下模型的训练
,
实现语义和结构信息的融合
,
从而提升实体对齐的效果。同时
,
提出使用属性强约束
,
限制协同训练过程中产生的漂移。实验证明
,
与传统方法相
比
,
该方法在准确率和
F1
值上都有提升。
【期刊名称】
《山西大学学报(自然科学版)
》
【年
(
卷
),
期】
2019(042)001
【总页数】
8
【关键词】
知识图谱
;
联合表示学习
;
协同训练
;
实体对齐
【
文
献
来
源
】
https://www.zhangqiaokeyan.com/academic-journal-cn_journal-shanxi-university-
natural-science-edition_thesis/0201273470387.html
接受日期:
2018-11-26
基
金
项
目
:
国
家
重
点
研
发
计
划
项
目
课
题
(2017YFB1002302
;
2017YFC0820404);
国
家
自
然
科
学
基
金
项
目
(61772501
;
61572473
;
61572469
;
91646120)
0
引言
更多推荐
所有评论(0)