-
题名多维度特征增强的无监督实体对齐
- 1
-
-
作者
张超
王铁鑫
陈力铭
宋家琪
张恒鑫
-
机构
南京航空航天大学计算机科学与技术学院
中移(苏州)软件技术有限公司平台产品部
-
出处
《中文信息学报》
北大核心
2025年第6期46-54,共9页
-
文摘
实体对齐(Entity Alignment,EA)旨在识别不同知识图谱中的等价实体。无监督EA无须明确标记对齐实体对作为种子集,显著降低了获取训练数据的成本。然而,如何获取高质量种子集,是无监督EA面临的挑战。该文深入研究了实体多维度特征增强的无监督EA。首先,提出了一种多维度特征提取及融合策略,利用实体的图像和名称维度特征来提取高质量初始种子集。其次,针对持续的特征学习及种子集自动扩充过程,提出了一种知识图谱图结构增强的迭代优化策略,利用实体的结构维度特征提取并精化新的高质量伪对齐种子。为验证以上策略的可行性及有效性,在DBP15K数据集上进行了大量实验。结果表明,经过实体多维度特征增强的无监督EA方法,在Hit@1、Hit@10和MRR 3个指标上均表现最佳。
-
关键词
知识图谱
实体对齐
无监督学习
多维度特征
-
Keywords
knowledge graph
entity alignment
unsupervised learning
multi-dimensional features
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
