融合多信息的图卷积实体对齐方法

XU Zhenshun, ZHANG Wenhao, WANG Zhenbiao, TANG Zengjin, ZHAO Zeyu, SU Mengyao

郑州大学学报（工学版）（2026）

被引用0|浏览1

摘要

由于不同知识图谱在实体表示、关系定义和语义结构等方面的异质性,在图谱的结构性差异和信息缺失的情况下,仅依赖图结构难以有效提高对齐质量.为此,提出了一种融合多信息的图卷积实体对齐方法.首先,改进的 PageRank 算法用于筛选三元组,缓解知识图谱结构差异带来的影响;其次,通过图卷积网络学习实体和属性的嵌入表示,并利用这些表示迭代更新实体间的关系;最后,基于 PBAB 方法整合文本描述信息,与图结构信息加权融合,从而提升实体对齐的效果.实验在 DBP15K 数据集上开展,评估了所提方法与基准方法在实体对齐任务中的表现.实验结果表明:所提方法在 Hits@1 指标上相较于最优基准方法提升了约 3%,其他评价指标也均有相应的提升.

更多

查看译文

关键词

knowledge graph,graph convolutional network,entity alignment,graph attention network,pre-trained languages model

上传PDF