计算机应用研究

作者：蒋敏,王淑营,

单位：西南交通大学计算机与人工智能学院,成都611756；

关键词：知识图谱,实体对齐,BERT,实体类别,属性信息,

基金：四川省重大科技专项资助项目(2022ZDZX0003)；；

针对当前的一些实体对齐工作仅利用关系结构信息，而忽略了实体与实体类别之间的联系以及属性信息的重要性的问题，提出一种联合实体类别及邻域信息指导的实体对齐方法。该方法通过嵌入关系三元组、属性三元组和实体类别信息，利用BERT预训练模型进行编码，解决缺失语义信息的问题，采用卷积神经网络提取属性特征，利用实体类别和种子词构建类别冲突矩阵。最后通过实体和属性指导实体对齐，并在迭代训练过程中将高质量的实体对加入到种子词中。在四个公开数据集上hits@1分别可达到90.1%、94%、92.5%和94.5%，相较于基准模型平均提升了6.225百分点，实验结果表明提出方法可以有效地实现实体对齐。

来源：2024年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第12期