SEA: A Scalable Entity Alignment System

要約

タイトル：SEA：拡張性のあるエンティティアラインメントシステム
要約：

– エンティティアラインメント（EA）は、異なる知識グラフ（KG）内の同等のエンティティを見つけることを目的とする。
– 最先端のEAアプローチは、一般的にグラフニューラルネットワーク（GNN）を使用してエンコードされたエンティティを使用する。しかし、大規模なデータセットでの拡張性が制限されており、モデルのトレーニングと評価をフルバッチ形式で行う。
– 現実のアプリケーションでGNNベースのEAモデルの使用を向上させるために、拡張性のあるエンティティアラインメントシステムであるSEAを提供する。
– SEAは、大規模なGNNをトレーニングし、正規化と評価プロセスを高速化し、ユーザーが異なるモデルとパラメータ設定を評価するために明確な結果を報告することを可能にする。
– SEAは、たった1つのグラフィックカードを持つコンピュータで実行でき、6つの最先端EAモデルを網羅し、ユーザーが自分自身のモデルを迅速に確立して評価できるようにアクセスを提供する。
– SEAを使用することで、ユーザーはモデルのパフォーマンスを明確に把握でき、負のサンプリングやGPUアクセラレーテッド評価などの面倒な実装に関与することなくEAを実行できる。
– デモンストレーションでは、SEAがユーザーフレンドリーで、限られた計算リソースを持つコンピュータでも高い拡張性を持つことが示されている。

要約(オリジナル)

Entity alignment (EA) aims to find equivalent entities in different knowledge graphs (KGs). State-of-the-art EA approaches generally use Graph Neural Networks (GNNs) to encode entities. However, most of them train the models and evaluate the results in a fullbatch fashion, which prohibits EA from being scalable on largescale datasets. To enhance the usability of GNN-based EA models in real-world applications, we present SEA, a scalable entity alignment system that enables to (i) train large-scale GNNs for EA, (ii) speed up the normalization and the evaluation process, and (iii) report clear results for users to estimate different models and parameter settings. SEA can be run on a computer with merely one graphic card. Moreover, SEA encompasses six state-of-the-art EA models and provides access for users to quickly establish and evaluate their own models. Thus, SEA allows users to perform EA without being involved in tedious implementations, such as negative sampling and GPU-accelerated evaluation. With SEA, users can gain a clear view of the model performance. In the demonstration, we show that SEA is user-friendly and is of high scalability even on computers with limited computational resources.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI