Universal Multi-modal Entity Alignment via Iteratively Fusing Modality Similarity Paths

要約

エンティティ アライメント (EA) の目的は、複数のナレッジ グラフ (KG) から同等のエンティティ ペアを特定し、より包括的で統合された KG を作成することです。
EA 手法の大部分は主に KG の構造モダリティに焦点を当てており、マルチモーダル情報の探索が不足しています。
いくつかのマルチモーダル EA 手法がこの分野で優れた試みを行っています。
それでも、それらには 2 つの欠点があります。(1) モダリティごとに複雑で個別のモデルを設計する、一貫性がなく非効率なモダリティ モデリング。
(2) EA におけるモダリティの異質な性質による効果のないモダリティ融合。
これらの課題に取り組むために、我々は次の 2 つの主要コンポーネントで構成される PathFusion を提案します。(1) MSP。複数のモダリティを表すためにエンティティとモダリティ ノードを接続するパスを構築することによって位置合わせプロセスを簡素化する統合モデリング アプローチ。
(2) IRF。パスを情報担体として使用して、さまざまなモダリティからの情報を効果的に組み合わせる反復融合手法。
現実世界のデータセットでの実験結果は、Hits@1 で 22.4% ～ 28.9% の絶対的な改善、MRR で 0.194 ～ 0.245 の絶対的な改善という、最先端の手法に対する PathFusion の優位性を示しています。

要約(オリジナル)

The objective of Entity Alignment (EA) is to identify equivalent entity pairs from multiple Knowledge Graphs (KGs) and create a more comprehensive and unified KG. The majority of EA methods have primarily focused on the structural modality of KGs, lacking exploration of multi-modal information. A few multi-modal EA methods have made good attempts in this field. Still, they have two shortcomings: (1) inconsistent and inefficient modality modeling that designs complex and distinct models for each modality; (2) ineffective modality fusion due to the heterogeneous nature of modalities in EA. To tackle these challenges, we propose PathFusion, consisting of two main components: (1) MSP, a unified modeling approach that simplifies the alignment process by constructing paths connecting entities and modality nodes to represent multiple modalities; (2) IRF, an iterative fusion method that effectively combines information from different modalities using the path as an information carrier. Experimental results on real-world datasets demonstrate the superiority of PathFusion over state-of-the-art methods, with 22.4%-28.9% absolute improvement on Hits@1, and 0.194-0.245 absolute improvement on MRR.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google