实体定位文献阅读

本文参照文章来源于THU-KEG
相关文章PDF百度网盘资源可点击：链接，提取码为：

1、《A Joint Embedding Method for EntityAlignment of Knowledge Bases》

知识库实体对齐的联合嵌入方法

• 具体步骤：
  （1） 提出了一种新的模型，该模型联合学习多个知识库在统一向量空间中的嵌入，仅使用知识库的结构信息来对齐知识库中的实体。
  （2） 基于真实的大规模知识库构建了两个用于知识库对齐任务的数据集：FB15K数据集和DBpedia Freebase数据集，它们具有丰富的关系和丰富的结构信息。
  （3） 在数据集上进行了实验，实验结果表明我们的方法是有效的。
• 核心思想：
  使用简单的策略来生成多个实体对齐，作为种子实体，计算联合嵌入。
  
• baseline提升原因：
  

2、《Multilingual Knowledge Graph Embeddings forCross-lingual Knowledge Alignment》

用于跨语言知识对齐的多语言知识图嵌入

• 提出背景可见上文，具体工作如下：
  （1）通过在分离的嵌入空间中对每种语言的实体和关系进行编码，MTransE(Multiple TransE)为每种嵌入向量提供了到其他空间中的跨语言对应物的转换，同时保留了单语嵌入的功能。
  （2）使用三种不同的技术来表示跨语言转换，即轴校准、平移向量和线性转换，并使用不同的损失函数导出MTransE的五个方差。
  （3）探讨了MTransE如何预先提供其单语counter部分TransE的关键属性。
• 数据：
  本节将报告三语数据集swk3l的实验结果。WK3l包含DBpedia ’ dbo:Persondomain下的英语(En)、法语(Fr)和德语(De)知识图
• 知识图嵌入：
  
  将实体和关系转化为连续的向量空间，从而简化操作，同时保留KG的原有的结构。那些实体和关系嵌入能进一步应用于各种任务中，如KG补全、关系提取、实体分类和实体解析。
  TransE模型：
  知识图谱嵌入(KGE)：方法和应用的综述
  
  

3、《Cross-lingual Entity Alignment viaJoint Attribute-Preserving Embedding》

基于联合属性保留嵌入的跨语言实体对齐（JAPE）

参考文章：
实体对齐1.ISWC 2017：（JAPE）Cross-lingual Entity Alignment via Joint Attribute-Preserving Embedding

• 创新点
  
  将两个KBs联合嵌入在一起，并利用属性嵌入进行改进

创新一：TransE实体与关系三元组的稀疏性，所以将属性值抽象为范围类型。

创新二：考虑了负三元组，减少嵌入中错误的产生

• 如何计算联合属性：
  （1）属性嵌入，通过预测上下文学习词嵌入
  （2）实体相似度计算
  
  （3）联合属性保留
  
  （4）最终目标函数
  

4、《Iterative Entity Alignment via Joint Knowledge Embeddings》

基于联合知识嵌入的迭代实体对齐

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

• 创新点：
  提出了一种迭代和参数共享的方法来提高对准性能
• 本文方法：
  （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。
  
  详细操作：
  （1）知识嵌入：用PTransE，相当于考虑多路径的TransE
  
  （2）联合嵌入
  
  （3）迭代对齐：找到最近实体进行对齐，硬对齐（对那些新对齐实体应用参数共享规则）；软对齐（为每个新对齐实体分配一个可靠性得分）
  
• 算法优点：
  (1)在各种联合嵌入方法中，参数共享模型优于线性变换模型和基于平移的模型。这验证了实体和它们的对应物共享相同的内在知识的事实。
  (2)在各种迭代对齐方法中，软对齐模型的性能始终优于硬对齐模型和其他基线。原因是我们之前分析过的硬对齐会受到错误传播的影响。
  (3)基于PTransE的方法优于相应的基于TransE的方法

（没太弄懂参数共享，怎么确定谁和谁参数共享？通过对齐，能对齐就直接共享一样的参数？）

5、《Bootstrapping Entity Alignment with Knowledge Graph Embedding》

使用知识图嵌入的引导实体对齐

参考文章：
实体对齐3.IJCAI 2018：（BootEA）Bootstrapping Entity Alignment with Knowledge Graph Embedding
论文简读-BootEA-《Bootstrapping Entity Alignment with Knowledge Graph Embedding》
实体对齐 算法_[2017]Bootstrapping Entity Alignment with Knowledge Graph Embeddin