论文浅尝 - CIKM2020 | Relation Reflection Entity Alignment

论文笔记整理：谭亦鸣，东南大学博士生。

---

来源：CIKM 2020

链接：https://arxiv.org/pdf/2008.07962.pdf

研究背景与任务描述:

实体对齐旨在基于已有对齐实体标注的情况下，确定不同KG中未知的对等实体，其本质是multi-source KGs的一体化.

随着GNN在对齐工作的引入，现有模型的方法愈加复杂。作者在相关的研究中发现了两个不寻常的情况：Q1. GNN中的标准线性转换效果并不好；Q2. 许多面向预测任务的新KG embedding方法在对齐任务上的效果较差。本文将现有的实体对齐方法抽象为统一的框架：Shape-Builder & Alignment，该框架不仅解释了上述情况的原因，并且给出了对于理想转换操作的两个关键标准。作者基于此构建了一个新的GNN-based method “Relation Reflection Entity Alignment, RREA”，该方法的主要思路是利用relation reflection transformation更有效率的获取到每个实体的relation specific embedding。真实数据上的实验表明该方法是SOAT

目前的Entity Alignment方法主要分为两类：

基于翻译（Translation-based）受跨语言word embedding任务的启发，这类方法假定不同的KG的embedding空间包含相似的分布，因此KGs之间的对齐实体在各自的向量空间中具有相似的位置特性。这类方法首先使用Trans-based KG embedding方法对各KG做单独的表示学习，得到各自的entity和relation向量表示，而后使用已知的（标注的）实体对齐将其投影到统一的向量空间中。

基于GNN（GNNs-based）不同于上述方法（relation作