融合多信息的图卷积实体对齐方法

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。

关键词

知识图谱 / 图卷积网络 / 实体对齐 / 图注意力网络 / 预训练语言模型