OTIEA:Ontology-enhanced Triple Intrinsic-Correlation for Cross-lingual Entity Alignment

要約

タイトル: 言語間のエンティティアライメントのためのオントロジー強化トリプル内部相関

要約:
– 多様なデータを融合するための言語間およびドメイン間の知識アライメントは、外部リソースが不足している場合に根本的かつ重要な課題です。
– エンティティアライメント（EA）は、異なる知識グラフ（KG）から同等のオブジェクトを発見することを目的とした要素ごとの融合プロセスであり、産業界や学術研究に大きな関心を集めています。
– 既存のEA方法の大部分は、隣接ノード、構造情報、および外部リソースを介してエンティティと関係の相関を探索することが一般的です。しかし、これらの方法では三つの要素間の複雑な内在的相互作用や役割情報をあまりモデル化していないため、トリプルの記述が十分でないことがあります。また、外部リソースは特定のシナリオでは利用できないことがあり、特に言語間およびドメイン間の応用においては、これらの方法の拡張性がほとんどないことが反映されます。
– 上記の不十分を解決するために、本論文では、外部リソースを導入せずに、オントロジーペアとトリプルにおける役割強化機構を介したトリプルに対するトリプル注意に基づく新しい汎用EAフレームワーク（OTIEA）を提案しています。
– 具体的には、独立した要素ではなく、内在的相関とオントロジーペア情報の採掘を通じてオントロジー強化トリプルエンコーダーが設計されます。さらに、役割の多様性を融合することにより、トリプル注意のエンティティデコーダーにEA指向の表現を得ることができます。最後に、シードエンティティペアを拡張するために双方向反復アラインメント戦略が展開されます。
– 3つの実世界データセットでの実験結果は、当社のフレームワークがベースラインと比較して競争力のある性能を達成していることを示しています。

要約(オリジナル)

Cross-lingual and cross-domain knowledge alignment without sufficient external resources is a fundamental and crucial task for fusing irregular data. As the element-wise fusion process aiming to discover equivalent objects from different knowledge graphs (KGs), entity alignment (EA) has been attracting great interest from industry and academic research recent years. Most of existing EA methods usually explore the correlation between entities and relations through neighbor nodes, structural information and external resources. However, the complex intrinsic interactions among triple elements and role information are rarely modeled in these methods, which may lead to the inadequate illustration for triple. In addition, external resources are usually unavailable in some scenarios especially cross-lingual and cross-domain applications, which reflects the little scalability of these methods. To tackle the above insufficiency, a novel universal EA framework (OTIEA) based on ontology pair and role enhancement mechanism via triple-aware attention is proposed in this paper without introducing external resources. Specifically, an ontology-enhanced triple encoder is designed via mining intrinsic correlations and ontology pair information instead of independent elements. In addition, the EA-oriented representations can be obtained in triple-aware entity decoder by fusing role diversity. Finally, a bidirectional iterative alignment strategy is deployed to expand seed entity pairs. The experimental results on three real-world datasets show that our framework achieves a competitive performance compared with baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI