融合属性嵌入与关系注意力的跨语言实体对齐

作     者：苏哲晗 徐涛 沙宝程 戴玉刚 SU Zhe-han;XU Tao;SHA Bao-cheng;DAI Yu-gang

作者机构：西北民族大学语言与文化计算教育部重点实验室甘肃兰州730030 

出 版 物：《云南大学学报（自然科学版）》 (Journal of Yunnan University(Natural Sciences Edition))

年 卷 期：2023年第45卷第3期

页      面：611-620页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：中央高校基本科研业务费专项(31920230069) 甘肃省青年科技计划(21JR1RA21) 国家档案局科技项目(2021-X-56) 

主　　题：知识图谱 实体对齐 属性信息 图卷积网络 图注意力网络 

摘      要：目前知识图谱实体对齐的主流方法是通过图神经网络学习知识图谱的嵌入表示,并测量实体嵌入之间的相似性实现实体的对齐.很多实体对齐方法只考虑知识图谱的结构信息和关系信息,却常常忽略了属性信息.针对上述问题,提出了一种融合属性嵌入的实体对齐方法:融合属性信息的精简关系感知双图卷积网络模型.首先,基于关系感知双图卷积网络的注意力机制提取知识图谱的关系信息;然后,利用带高速门的图卷积网络获取属性信息;最后,融合二者的嵌入信息以实现更高准确率的实体对齐.在3个跨语言数据集上的实验结果表明,该方法通过融合知识图谱属性信息增强了实体表示能力,在3个数据集上Hits@1值相比原模型分别增长了6.42%、4.59%和1.98%,对齐效果明显优于目前主流的实体对齐方法.