基于重排序的迭代式实体对齐

发布时间：2023-01-08 16:16

　　现有的知识图谱无法避免地存在不完整这一问题.缓解此问题的可行方法是引入外部知识图谱中的知识.在此过程中,实体对齐是最关键的步骤.当前最先进的实体对齐解决方案主要依靠知识图谱的结构信息来判断实体的等价性,但在真实世界知识图谱上,大部分实体只具有较低的节点度数以及微少的结构信息.此外,标注数据的缺乏也大大限制了实体对齐模型的效果.为解决上述问题,提出将不受节点度数影响的实体名信息与结构信息相结合,从更全面的角度实现实体对齐.在此基本框架上,利用基于课程学习的迭代训练方法从易至难地选择高置信度结果加入到训练数据中,扩增标注数据的规模.最后使用词移距离模型进一步改进实体名信息的利用方式,并对前序对齐结果重排序,提升实体对齐准确率.在跨语言以及单语言实体对齐任务上的实验结果表明,提出的实体对齐方法性能远好于当前最好的方法. 

【文章页数】：12 页

【文章目录】：
1 相关工作
2 问题定义与总框架
    2.1 基本定义
    2.2 总框架
3 实体对齐基本框架
    3.1 实体结构特征
    3.2 实体名特征
    3.3 特征融合
4 基于课程学习的迭代训练框架
    4.1 迭代训练框架
    4.2 基于课程学习的迭代策略
5 基于词移距离模型的重排序
6 实验与结果
    6.1 参数设置及度量指标
    6.2 数据集及对比方法
    6.3 实验结果
    6.4 参数分析
    6.5 结果讨论与特征分析
    6.6 案例分析
7 总 结


【参考文献】：
期刊论文
[1]融合多种特征的实体对齐算法[J]. 乔晶晶,段利国,李爱萍.  计算机工程与设计. 2018(11)
[2]表示学习知识图谱的实体对齐算法[J]. 朱继召,乔建忠,林树宽.  东北大学学报(自然科学版). 2018(11)
[3]中文异构百科知识库实体对齐[J]. 黄峻福,李天瑞,贾真,景运革,张涛.  计算机应用. 2016(07)
[4]知识库实体对齐技术综述[J]. 庄严,李国良,冯建华.  计算机研究与发展. 2016(01)



本文编号：3728792