计算机应用研究

作者：高永杰,党建武,张希权,郑爱国,

单位：1.兰州交通大学a.光电技术与智能控制教育部重点实验室;b.电子与信息工程学院,兰州730070；2.轨道交通信息与控制国家级虚拟仿真教学中心,兰州730070；3.中国铁路北京局集团有限公司天津电务段,天津300143；

关键词：多模态知识图谱,实体对齐,自适应特征融合,对比表示学习,互信息,

基金：国家自然科学基金资助项目(62067006,62367005)；中央引导地方科技发展资金资助项目(332140068864)；甘肃省高校科研创新平台重大培育项目(2024CXPT-17)；；

多模态实体对齐是知识融合过程中的关键一步，但异构的多模态知识图谱拥有较大的结构差异性，并且其多模态信息存在不完全性，利用当前的多模态实体对齐方法无法取得较好的对齐效果。针对上述问题，提出了基于互信息自适应的多模态实体对齐方法。一方面通过设计自适应融合机制来减小模态差异以及依据模态信息的贡献程度动态分配权重，另一方面引入互信息作为附加特征来强化实体的特征表示，最后利用实体相似度计算来进行实体对齐。实验表明，在5个通用的数据集上，MAMEA相较于当前基线模型，指标hits@1最大可提升1.8%，最小可提升1.4%，指标MRR最大可提升1.4%，最小可提升0.8%，证明了该模型可有效地提升多模态实体对齐的效果。

来源：2025年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第1期