ASGEA: Exploiting Logic Rules from Align-Subgraphs for Entity Alignment

要約

エンティティ アライメント (EA) は、同じ現実世界のオブジェクトを表すさまざまなナレッジ グラフ全体でエンティティを識別することを目的としています。
最近の埋め込みベースの EA 手法は、EA で最先端のパフォーマンスを達成していますが、純粋に埋め込み距離に依存し、整列されたエンティティのペアの背後にある論理ルールを無視しているため、解釈可能性の課題に直面しています。
この論文では、Align-Subgraph からの論理ルールを利用する Align-Subgraph Entity Alignment (ASGEA) フレームワークを提案します。
ASGEA は、アンカー リンクをブリッジとして使用して、Align-Subgraph を構築し、KG 全体のパスに沿って展開します。この点で、埋め込みベースの方法とは区別されます。
さらに、KG 全体のロジック ルールを効果的に特定して統合するために、解釈可能なパスベースのグラフ ニューラル ネットワーク (ASGNN) を設計します。
また、Align-Subgraph を強化するために、マルチモーダル強化アンカーと組み合わせたノードレベルのマルチモーダル アテンション メカニズムも導入します。
私たちの実験結果は、EA タスクとマルチモーダル EA (MMEA) タスクの両方において、既存の埋め込みベースの手法よりも ASGEA のパフォーマンスが優れていることを示しています。

要約(オリジナル)

Entity alignment (EA) aims to identify entities across different knowledge graphs that represent the same real-world objects. Recent embedding-based EA methods have achieved state-of-the-art performance in EA yet faced interpretability challenges as they purely rely on the embedding distance and neglect the logic rules behind a pair of aligned entities. In this paper, we propose the Align-Subgraph Entity Alignment (ASGEA) framework to exploit logic rules from Align-Subgraphs. ASGEA uses anchor links as bridges to construct Align-Subgraphs and spreads along the paths across KGs, which distinguishes it from the embedding-based methods. Furthermore, we design an interpretable Path-based Graph Neural Network, ASGNN, to effectively identify and integrate the logic rules across KGs. We also introduce a node-level multi-modal attention mechanism coupled with multi-modal enriched anchors to augment the Align-Subgraph. Our experimental results demonstrate the superior performance of ASGEA over the existing embedding-based methods in both EA and Multi-Modal EA (MMEA) tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google