Attr-Int: A Simple and Effective Entity Alignment Framework for Heterogeneous Knowledge Graphs

要約

エンティティ アラインメント (EA) は、異なるナレッジ グラフ (KG) 内のエンティティをリンクするタスクを指します。
既存の EA 手法は構造同型性に大きく依存しています。
ただし、現実世界の KG では、整列されたエンティティは通常、非同型近傍構造を持ち、これにより、これらの構造依存の方法の適用が麻痺します。
この論文では、異種 KG 間のエンティティの調整の問題を調査し、取り組みます。
まず、異質性のある現実世界の EA シナリオを厳密にシミュレートする 2 つの新しいベンチマークを提案します。
次に、広範な実験を実施して、新しいベンチマークでの代表的な EA 手法のパフォーマンスを評価します。
最後に、Attr-Int と呼ばれるシンプルで効果的なエンティティ アライメント フレームワークを提案します。このフレームワークでは、革新的な属性情報対話方法をエンティティ アライメント用の埋め込みエンコーダとシームレスに統合でき、既存のエンティティ アライメント技術のパフォーマンスを向上させることができます。
実験により、私たちのフレームワークが 2 つの新しいベンチマークで最先端のアプローチよりも優れていることが実証されました。

要約(オリジナル)

Entity alignment (EA) refers to the task of linking entities in different knowledge graphs (KGs). Existing EA methods rely heavily on structural isomorphism. However, in real-world KGs, aligned entities usually have non-isomorphic neighborhood structures, which paralyses the application of these structure-dependent methods. In this paper, we investigate and tackle the problem of entity alignment between heterogeneous KGs. First, we propose two new benchmarks to closely simulate real-world EA scenarios of heterogeneity. Then we conduct extensive experiments to evaluate the performance of representative EA methods on the new benchmarks. Finally, we propose a simple and effective entity alignment framework called Attr-Int, in which innovative attribute information interaction methods can be seamlessly integrated with any embedding encoder for entity alignment, improving the performance of existing entity alignment techniques. Experiments demonstrate that our framework outperforms the state-of-the-art approaches on two new benchmarks.

arxiv情報

著者 Linyan Yang,Jingwei Cheng,Chuanhao Xu,Xihao Wang,Jiayi Li,Fu Zhang
発行日 2024-11-04 12:40:19+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.CL パーマリンク