要約
エンティティ・アライメント（EA）とは、異なる知識グラフ（KG）間で等価なエンティティを識別することであり、これらのKGをより包括的なものに融合するのに役立つ。これまでのEA手法は、主に一対のKGのアライメントに焦点を当てており、我々の知る限り、既存のEA手法で複数（2つ以上）のKGのアライメントを考慮したものはない。この研究ギャップを埋めるために、本研究では、複数のKGを整列させるという新しい問題を研究し、この問題を解決するためにMultiEAと名付けた効果的なフレームワークを提案する。まず、全ての候補KGの実体を、共有KGエンコーダによって共通の特徴空間に埋め込む。次に、事前に整列されたエンティティ間の距離を最小化する3つの整列戦略を探索する。特に、高次の類似性を取り込むことでアライメント性能を向上させる革新的な推論強化手法を提案する。最後に、MultiEAの有効性を検証するために、2つの新しい実世界ベンチマークデータセットを構築し、それらに対して広範な実験を行った。その結果、我々のMultiEAは、複数のKGを一度に効果的かつ効率的にアライメントできることが示された。
要約(オリジナル)
Entity alignment (EA) is to identify equivalent entities across different knowledge graphs (KGs), which can help fuse these KGs into a more comprehensive one. Previous EA methods mainly focus on aligning a pair of KGs, and to the best of our knowledge, no existing EA method considers aligning multiple (more than two) KGs. To fill this research gap, in this work, we study a novel problem of aligning multiple KGs and propose an effective framework named MultiEA to solve the problem. First, we embed the entities of all the candidate KGs into a common feature space by a shared KG encoder. Then, we explore three alignment strategies to minimize the distances among pre-aligned entities. In particular, we propose an innovative inference enhancement technique to improve the alignment performance by incorporating high-order similarities. Finally, to verify the effectiveness of MultiEA, we construct two new real-world benchmark datasets and conduct extensive experiments on them. The results show that our MultiEA can effectively and efficiently align multiple KGs in a single pass.
arxiv情報
| 著者 | Yaming Yang,Zhe Wang,Ziyu Guan,Wei Zhao,Weigang Lu,Xinyan Huang |
| 発行日 | 2024-08-01 15:58:05+00:00 |
| arxivサイト | arxiv_id(pdf) |