实体对齐2.IJCAI 2017：（IPTransE）Iterative Entity Alignment via Joint Knowledge Embeddings

• 关键词：Iterative Alignment，Joint Embedding

• 摘要

文章指出之前的实体对齐方法通常依赖于实体的外部信息，比如Wikipedia连接，并且需要昂贵的人工构造特征来完成实体对齐。而本文提出一种利用联合知识嵌入实现实体对齐。该方法根据一个小的对齐实体种子集，将不同KG的实体和关系联合编码到一个统一的低维语义空间中。更具体地说，我们提出了一种迭代和参数共享的方法来提高对齐性能。

• 介绍

本文方法主要由三部分组成：（1）知识嵌入。利用基于翻译的KRL（Knowledge Representation Learning）学习实体和关系的嵌入。（2）联合嵌入。根据种子集将不同KG的知识嵌入映射到联合语义空间。（3）迭代对齐。通过考虑那些在方法中越来越多地发现的高度自信的对齐实体，迭代地对齐实体及其对应实体，并更新联合知识嵌入。

• 方法

由于本文方法由三部分组成，故目标函数也定义成对应的三部分：

模型总体架构如下：

该图表明了我们的方法通过TransE与参数共享和软对齐实现。蓝色和红色的点分别表示来自和的实体，灰色箭头在和中都表示关系。KG之间的实线和虚线表示迭代学习中的对齐种子和新对齐的实体对。我们使用KG和score函数之间的链接来表示嵌入源和相应的目的地。相同的颜色表示相同的实体/关系和相应的嵌入。

 

1.知识嵌入（Knowledge Embeddings）

虽然TransE在许多任务中表现出色，但它在KG中忽略了重要的多步路径信息，难以建模复杂的关系。因此使用了PTransE来代替TransE，PTransE考虑了多步路径信息，可以获得更好的实体对齐性能。根据PTransE，我们将关系路径定义为，且有