Entity Alignment Method of Science and Technology Patent based on Graph Convolution Network and Information Fusion

要約

科学技術特許のエンティティの調整は、異なる科学技術特許データ ソースのナレッジ グラフ内の同等のエンティティをリンクすることを目的としています。
エンティティの位置合わせ方法のほとんどは、グラフ ニューラル ネットワークを使用してグラフ構造の埋め込みを取得するか、属性テキストの記述を使用して意味論的表現を取得するだけであり、科学技術特許における多情報融合のプロセスを無視しています。
グラフィック構造と特許エンティティの名前、説明、属性などの補助情報を利用するために、本論文は科学技術特許情報融合のためのグラフ畳み込みネットワークに基づくエンティティ整列方法を提案する。
グラフ畳み込みネットワークとBERTモデルを通じて、科学技術特許知識グラフの構造情報とエンティティ属性情報を埋め込んで表現し、多情報融合を実現し、エンティティ整列のパフォーマンスを向上させます。
3 つのベンチマーク データ セットの実験により、提案手法 Hit@K の評価指標が既存の手法よりも優れていることがわかりました。

要約(オリジナル)

The entity alignment of science and technology patents aims to link the equivalent entities in the knowledge graph of different science and technology patent data sources. Most entity alignment methods only use graph neural network to obtain the embedding of graph structure or use attribute text description to obtain semantic representation, ignoring the process of multi-information fusion in science and technology patents. In order to make use of the graphic structure and auxiliary information such as the name, description and attribute of the patent entity, this paper proposes an entity alignment method based on the graph convolution network for science and technology patent information fusion. Through the graph convolution network and BERT model, the structure information and entity attribute information of the science and technology patent knowledge graph are embedded and represented to achieve multi-information fusion, thus improving the performance of entity alignment. Experiments on three benchmark data sets show that the proposed method Hit@K The evaluation indicators are better than the existing methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google