基于图神经网络的实体对齐表示学习方法比较研究

TP391; 实体对齐是知识融合的一个重要步骤,其目的在于识别不同知识图谱中的等价实体.为准确判断出对等的实体,现有方法首先进行表示学习,将实体映射到低维向量空间中,接着通过向量间的相似度推断实体的等价性.而近期实体对齐的相关工作也大都聚焦于表示学习方法的改进上.为了能够更好地理解这些模型的机理,挖掘有价值的设计思路,并为后续的优化改进工作提供参考,对实体对齐表示学习方法进行了研究综述.首先基于现有方法,提出了一个通用的表示学习框架,并用该框架对几个具有代表性的工作进行了归纳概括以及分析解构.接着通过实验对这些工作进行了对比分析,并对框架中各个模块的常见方法进行了比较.根据实验结果,总结了各种...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:计算机科学与探索 Jg. 17; H. 10; S. 2343 - 2357
Hauptverfasser: 彭鐄, 曾维新, 周杰, 唐九阳, 赵翔
Format: Journal Article
Sprache:Chinesisch
Veröffentlicht: 国防科技大学 大数据与决策实验室,长沙 410073 10.10.2023
Schlagworte:
entity alignment
知识融合
图神经网络
representation learning
实体对齐
表示学习
语言大模型
graph neural network
knowledge fusion
large language model
ISSN:1673-9418
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Abstract TP391; 实体对齐是知识融合的一个重要步骤,其目的在于识别不同知识图谱中的等价实体.为准确判断出对等的实体,现有方法首先进行表示学习,将实体映射到低维向量空间中,接着通过向量间的相似度推断实体的等价性.而近期实体对齐的相关工作也大都聚焦于表示学习方法的改进上.为了能够更好地理解这些模型的机理,挖掘有价值的设计思路,并为后续的优化改进工作提供参考,对实体对齐表示学习方法进行了研究综述.首先基于现有方法,提出了一个通用的表示学习框架,并用该框架对几个具有代表性的工作进行了归纳概括以及分析解构.接着通过实验对这些工作进行了对比分析,并对框架中各个模块的常见方法进行了比较.根据实验结果,总结了各种方法的优劣,并提出了使用建议.最后初步讨论了大规模语言模型与知识图谱对齐融合的可行性,并分析了存在的问题以及潜在的挑战.
AbstractList TP391; 实体对齐是知识融合的一个重要步骤,其目的在于识别不同知识图谱中的等价实体.为准确判断出对等的实体,现有方法首先进行表示学习,将实体映射到低维向量空间中,接着通过向量间的相似度推断实体的等价性.而近期实体对齐的相关工作也大都聚焦于表示学习方法的改进上.为了能够更好地理解这些模型的机理,挖掘有价值的设计思路,并为后续的优化改进工作提供参考,对实体对齐表示学习方法进行了研究综述.首先基于现有方法,提出了一个通用的表示学习框架,并用该框架对几个具有代表性的工作进行了归纳概括以及分析解构.接着通过实验对这些工作进行了对比分析,并对框架中各个模块的常见方法进行了比较.根据实验结果,总结了各种方法的优劣,并提出了使用建议.最后初步讨论了大规模语言模型与知识图谱对齐融合的可行性,并分析了存在的问题以及潜在的挑战.
Author 曾维新
周杰
彭鐄
赵翔
唐九阳
AuthorAffiliation 国防科技大学 大数据与决策实验室,长沙 410073
AuthorAffiliation_xml – name: 国防科技大学 大数据与决策实验室,长沙 410073
Author_FL PENG Huang
TANG Jiuyang
ZENG Weixin
ZHAO Xiang
ZHOU Jie
Author_FL_xml – sequence: 1
  fullname: PENG Huang
– sequence: 2
  fullname: ZENG Weixin
– sequence: 3
  fullname: ZHOU Jie
– sequence: 4
  fullname: TANG Jiuyang
– sequence: 5
  fullname: ZHAO Xiang
Author_xml – sequence: 1
  fullname: 彭鐄
– sequence: 2
  fullname: 曾维新
– sequence: 3
  fullname: 周杰
– sequence: 4
  fullname: 唐九阳
– sequence: 5
  fullname: 赵翔
BookMark eNo9jT1Lw0AYgG-oYK39D64Oie99JJeMWvyCgovO5ZJepFGu4CnqrLMftDqo1AoqOmgHQUhK-2uSXP0XCorTA8_wPDOopNpKIjSHwaacewux3dJa2djl1PIZ9mxCgYNDS6j876ZRVetWAA5jBHPXK6Ol_D7N0rP8dmyeemZ4bkaXZnhnbk7z91426uSD5Gt0MXl4MY9p_vacJf3iOik-ropBdzI-Mf2uef2cRVOR2NWy-scK2lpZ3qytWfWN1fXaYt3SGJhrScxDn5CQcEEdiWlTRtijTFIZQcialLvYByaID750Ax9CEoTggGRcMBERoBU0_9s9FCoSarsRtw_21M-xEet45-h4XxMgFAOAS78Br2BpEg
ClassificationCodes TP391
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.3778/j.issn.1673-9418.2307053
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
DocumentTitle_FL Contrast Research of Representation Learning in Entity Alignment Based on Graph Neural Network
EndPage 2357
ExternalDocumentID jsjkxyts202310006
GroupedDBID 2B.
4A8
92I
93N
ALMA_UNASSIGNED_HOLDINGS
M~E
PSX
TCJ
ID FETCH-LOGICAL-s1046-e17c922c27a35e13def1834e3ef0c4d3761904a2909e6b90c2bc050e47a4af203
ISSN 1673-9418
IngestDate Thu May 29 04:00:17 EDT 2025
IsPeerReviewed true
IsScholarly true
Issue 10
Keywords entity alignment
知识融合
图神经网络
representation learning
实体对齐
表示学习
语言大模型
graph neural network
knowledge fusion
large language model
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s1046-e17c922c27a35e13def1834e3ef0c4d3761904a2909e6b90c2bc050e47a4af203
PageCount 15
ParticipantIDs wanfang_journals_jsjkxyts202310006
PublicationCentury 2000
PublicationDate 2023-10-10
PublicationDateYYYYMMDD 2023-10-10
PublicationDate_xml – month: 10
  year: 2023
  text: 2023-10-10
  day: 10
PublicationDecade 2020
PublicationTitle 计算机科学与探索
PublicationTitle_FL Journal of Frontiers of Computer Science & Technology
PublicationYear 2023
Publisher 国防科技大学 大数据与决策实验室,长沙 410073
Publisher_xml – name: 国防科技大学 大数据与决策实验室,长沙 410073
SSID ssib054421768
ssib002040941
ssib002423894
ssib051375751
ssib023646573
ssib036438069
ssib002040926
Score 2.3628497
Snippet TP391; 实体对齐是知识融合的一个重要步骤,其目的在于识别不同知识图谱中的等价实体.为准确判断出对等的实体,现有方法首先进行表示学习,将实体映射到低维向量空间中,接着...
SourceID wanfang
SourceType Aggregation Database
StartPage 2343
Title 基于图神经网络的实体对齐表示学习方法比较研究
URI https://d.wanfangdata.com.cn/periodical/jsjkxyts202310006
Volume 17
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
journalDatabaseRights – providerCode: PRVHPJ
  databaseName: ROAD: Directory of Open Access Scholarly Resources (ISSN International Center)
  issn: 1673-9418
  databaseCode: M~E
  dateStart: 20070101
  customDbUrl:
  isFulltext: true
  dateEnd: 99991231
  titleUrlDefault: https://road.issn.org
  omitProxy: false
  ssIdentifier: ssib054421768
  providerName: ISSN International Centre
link http://cvtisr.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwtR27btRA0EoCBQ0CAeKtCLFVZFh7197d0r7ziYaIIkjpIp_PBwR0oFyIAgUN1DxEoAAUggQICkiBhHSJki-hzMXhL5iZ89nmJYWCZjWenZndmbm9mbVnbcs6myjR1lKnduJpbuML7-zYUS07hmQ9jmMB-zdJH5tQk5N6etpcGhn9NjwLs3BDdTp6cdHc-q-uBhw4G4_O_oO7C6GAABicDi24HdpdOZ5FHjMNFgYsktjqiDAhCwFQLACYgDBkukFAnRknx5gaAga4JHIFERFLohGEAcmGRYYwnEWaBQ4LNEmm4ZCmzgKfuAwLgMZnxicuaAUzHgIgx0hkh1lpQeycMACAcL-aNNMoEQ6EvTAlRTJrNBxgFM2_Oq4mrX1sA5dUkwAMf1xIC9MHctADlNCy7PFLS4E5gC2fPa8ym4HK0FP_tUeSVUh1M5APKorqvRWXqvTyKltcDUP3FORuRSvQIcBqFFRPInKo50QF5aNRQ7K0rqOFSht4TJPVUWIdNSm9Cs4B0bUcA6LcGs0ARDXIVy4zZkJigYuoxC5fCdvIPJwNg5uqLmJeDVVi8H6sPO3B1x79KaQKpTSFVBzjXDEGHSDgnijTiKK4c7Y7e33xznwXDYpPj_xRa4-rPIMFlxfvRWVyCPHDVDe3eC1_OmUN2XQRLfBLB75XJttwKTT3i2Tcc4TCh4jFtZSw3R6chR3OelDKhyqd_5tCdHiv0447Vyp55tQBa3--QRwPBgv7oDVy9-ohK-y_Xttae9h_uZm9W87WH2UbT7L1V9mLB_3Py1sbT_urve8bj3fefMjervU_vd_qrWw_721_eba9urSzeT9bWco-fj1sXW5EU7ULdv71E7uLdRd26qjEuG7iqlh4qSNaaRvCr0xF2uaJbAm8_8hl7BpuUr9peOI2E-7xVKpYxm2XiyPWWOdmJz1qjTe5avo61oZ7sTRSNB2TtBLTcprGbSW6ecw6k-s8k_-RdWd-8-Lx3RCdsPaV6-ikNTY_dzs9Ze1NFuavdedOk_9_AFRLt_I
linkProvider ISSN International Centre
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E5%9B%BE%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E7%9A%84%E5%AE%9E%E4%BD%93%E5%AF%B9%E9%BD%90%E8%A1%A8%E7%A4%BA%E5%AD%A6%E4%B9%A0%E6%96%B9%E6%B3%95%E6%AF%94%E8%BE%83%E7%A0%94%E7%A9%B6&rft.jtitle=%E8%AE%A1%E7%AE%97%E6%9C%BA%E7%A7%91%E5%AD%A6%E4%B8%8E%E6%8E%A2%E7%B4%A2&rft.au=%E5%BD%AD%E9%90%84&rft.au=%E6%9B%BE%E7%BB%B4%E6%96%B0&rft.au=%E5%91%A8%E6%9D%B0&rft.au=%E5%94%90%E4%B9%9D%E9%98%B3&rft.date=2023-10-10&rft.pub=%E5%9B%BD%E9%98%B2%E7%A7%91%E6%8A%80%E5%A4%A7%E5%AD%A6+%E5%A4%A7%E6%95%B0%E6%8D%AE%E4%B8%8E%E5%86%B3%E7%AD%96%E5%AE%9E%E9%AA%8C%E5%AE%A4%2C%E9%95%BF%E6%B2%99+410073&rft.issn=1673-9418&rft.volume=17&rft.issue=10&rft.spage=2343&rft.epage=2357&rft_id=info:doi/10.3778%2Fj.issn.1673-9418.2307053&rft.externalDocID=jsjkxyts202310006
thumbnail_s http://cvtisr.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fjsjkxyts%2Fjsjkxyts.jpg