实体对齐
Kolunm
这个作者很懒,什么都没留下…
展开
-
实体对齐8.IJCAI2019:(MultiKE)Multi-view Knowledge Graph Embedding for Entity Alignment
关键词:Entity names, realtions, attributes 摘要 我们研究了知识图之间基于嵌入的实体对齐问题。之前的研究主要集中在实体的关系结构上。有些还进一步合并了另一种类型的特性,比如属性,以进行细化。然而,大量的实体特征尚未被探索或没有被平等地放在一起处理,这破坏了基于嵌入的实体对齐的准确性和鲁棒性。在本文中,我们提出了一个新的框架,统一实体的多个视图来学习嵌入来实现实体对齐。具体来说,我们根据实体名称、关系和属性的视图嵌入实体,并使用几种组合策略。此外,我们设计...原创 2020-12-11 09:36:20 · 1048 阅读 · 0 评论 -
实体对齐7.ACL2019:(GMNN)Cross-lingual Knowledge Graph Alignment via Graph Matching Neural Network
关键词:Cross-lingualEA,GCN,GraphMatching 摘要 以往的跨语言知识图对齐研究依赖于仅从单语知识图结构信息中导出的实体嵌入,可能无法匹配在双语知识图中具有不同事实的实体。本文引入了主题实体图,一个实体的局部子图,用它们的上下文信息来表示实体。从这个角度看,知识库对齐任务可以被看作是一个图匹配问题;在此基础上我们提出了基于图注意的解决方案,该方案首先匹配两个主题实体图中的所有实体,然后联合建模局部匹配信息,得到一个图级匹配向量。 介绍 对于跨语言实...原创 2020-11-27 10:32:44 · 851 阅读 · 0 评论 -
实体对齐6.ACL2019:(MuGNN)Multi-Channel Graph Neural Network for Entity Alignment
摘要 实体对齐通常会遇到结构异质性和种子对齐有限的问题。本文提出了一种新的多通道图神经网络模型(MuGNN),通过多通道对两个图神经网络进行鲁棒编码来学习面向对齐的知识图谱嵌入。每个通道分别通过针对KG完成的自注意力和修剪排他实体的跨知识图谱关注的不同关系加权方案对KG进行编码,并通过池化技术将两者进一步组合。此外,还对规则知识进行了推断和传递,以一致地完成两个KG。MuGNN预计将调和KG间的结构差异,从而更好地利用种子对齐。 介绍 现有问题:结构异质性不同的KG通常差别很大,...原创 2020-11-13 10:32:03 · 1305 阅读 · 0 评论 -
实体对齐5.ACL 2019(NMN)Neighborhood Matching Network for Entity Alignment
关键词:Neighborhood Matching,GCN,Attention 介绍 1、问题提出 实体对齐是将不同KG中具有相似含义但表现形式不同的实体匹配的一种技术。但由于KG通常是不完整的,而且不同的KG通常是异构的,因此实体对齐实现较为困难。目前比较主流有效的方法是基于嵌入的方法,基于嵌入的方法利用一组种子对齐对KG结构建模,自动学习如何将不同KG之间的等价实体映射到一个统一的向量空间中,通过测量两个实体嵌入之间的距离来实现实体对齐。 问题1:但在这个方向的绝大...原创 2020-11-09 10:41:30 · 949 阅读 · 0 评论 -
实体对齐4.EMNLP2018:(GCN-Align)Cross-lingual Knowledge Graph Alignment via Graph Convolutional Networks
关键词:Cross-lingual Entity Alignment,GCN,Embedding 摘要 多语言知识图谱(KG)例如DBpedia和YAGO都包含几种不同语言实体中的机构性知识,并且它们对于跨语言AI和NLP应用都是有用的资源。跨语言KG对齐是一个将实体与它们在不同语言中对应部分匹配起来的任务,这是丰富多语言KG的跨语言链接的重要途径。本文中,我们提出一种基于图卷积神经网络(GCN)的跨语言实体KG对齐的新方法。给定一个预对齐实体集合,我们的方法训练GCN来将每种语言嵌入到一..原创 2020-11-09 10:33:13 · 3907 阅读 · 0 评论 -
实体对齐3.IJCAI 2018:(BootEA)Bootstrapping Entity Alignment with Knowledge Graph Embedding
关键词:Embedding-based,IterativateAlignment,Alignmentediting,Bootstrapping 摘要 现有的基于嵌入的实体对齐虽然效果不错,但仍面临着缺乏足够先验对齐作为标记训练数据的挑战。在本文中,我们对于基于嵌入的实体对齐提出一种bootstrapping方法。它迭代地将可能的实体对齐标记为训练数据,用于学习面向KG的实体嵌入。此外,它采用了一种对齐编辑方法来减少迭代过程中的误差积累。 介绍 问题:虽然在过去的几年中,单...原创 2020-11-09 10:21:48 · 514 阅读 · 0 评论 -
实体对齐2.IJCAI 2017:(IPTransE)Iterative Entity Alignment via Joint Knowledge Embeddings
关键词:IterativeAlignment,JointEmbedding 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(Kno...原创 2020-11-09 10:09:42 · 1904 阅读 · 0 评论 -
实体对齐1.ISWC 2017:(JAPE)Cross-lingual Entity Alignment via Joint Attribute-Preserving Embedding
关键词:JointEmbedding 摘要 实体对齐是查找两个知识库(KB)中表示现实世界相同物体的实体的任务。当面对不同自然语言的知识库时,传统的跨语言实体对齐方法依靠机器翻译来消除语言障碍。这些方法经常受到语言之间翻译质量不平衡的影响。虽然最近的基于嵌入的技术在KB中对实体和关系进行编码,并且不需要机器翻译来实现跨语言实体对齐,但是还有大量的属性尚未被研究。本文提出了一种用于跨语言实体对齐的联合属性保留嵌入模型。它将两个KBs的结构共同嵌入到一个统一的向量空间中,并通过利用KB中的属...原创 2020-11-09 09:53:09 · 2369 阅读 · 4 评论