论文笔记整理:谭亦鸣,东南大学博士生,研究兴趣:知识图谱问答
本文提出了一种基于图卷积网络的跨语言实体对齐方法,通过设计一种属性 embedding 用于 GCN 的训练,发现GCN能同时学习到特征 embedding 和属性 embedding 的信息。实验表明该方法是目前性能最好的的 GCN 对齐模型。
来源:IJCAI 2019
链接:
https://www.ijcai.org/proceedings/2019/0929.pdf
动机
在近期的研究工作中, GCN被用来处理一些基于图的学习问题,也有研究者提出基于该模型的跨语言知识图谱实体对齐工作。但这些工作并没有有效的利用图谱的属性信息,且对整体模型带来了负面的影响,这主要是因为对于同一实体,在不同语言上,它的属性存在较大的差异。虽然也有研究者提出异构图注意力网络,提供了节点