Type-enhanced Ensemble Triple Representation via Triple-aware Attention for Cross-lingual Entity Alignment

要約

タイトル：クロスリンガルエンティティアラインメントのための三重精細なトリプル表現強化とトリプル注意によるタイプ強化アンサンブル

要約：

– EA（エンティティアラインメント）は、異なるKG（知識グラフ）から同じ実世界のオブジェクトを参照するエンティティを発見することを目的とした、クロスリンガルおよびクロスドメインの知識グラフの統合のための重要なタスクである。
– 既存の多くの方法は、埋め込みベースの方法により、トリプル要素の関連性をマイニングして、エンティティ表現の整合性を生成するが、トリプルの不可分性やエンティティの役割の多様性にはほとんど注意を払っていない。
– 本論文では、アンサンブルトリプルの特異性とエンティティ役割の特徴を考慮した上で、関連度を知覚するための新しいフレームワークTTEAが提案されている。
– 具体的には、関係を意味空間とタイプ空間の間に情報キャリアとしてみなし、特異性に配慮したトリプル注意により、空間変換や情報伝播中のノイズの影響をスムーズに制御し、アンサンブルトリプルの表現が導かれる。
– また、本研究では、トリプルを考慮したエンティティ強化を使用して、トリプル要素の役割の多様性をモデル化する。
– 3つの実世界のクロスリンガルデータセットでの広範な実験により、本フレームワークが最新の手法を上回る性能を示すことが明らかになっている。

要約(オリジナル)

Entity alignment(EA) is a crucial task for integrating cross-lingual and cross-domain knowledge graphs(KGs), which aims to discover entities referring to the same real-world object from different KGs. Most existing methods generate aligning entity representation by mining the relevance of triple elements via embedding-based methods, paying little attention to triple indivisibility and entity role diversity. In this paper, a novel framework named TTEA — Type-enhanced Ensemble Triple Representation via Triple-aware Attention for Cross-lingual Entity Alignment is proposed to overcome the above issues considering ensemble triple specificity and entity role features. Specifically, the ensemble triple representation is derived by regarding relation as information carrier between semantic space and type space, and hence the noise influence during spatial transformation and information propagation can be smoothly controlled via specificity-aware triple attention. Moreover, our framework uses triple-ware entity enhancement to model the role diversity of triple elements. Extensive experiments on three real-world cross-lingual datasets demonstrate that our framework outperforms state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI