计算机应用研究

作者：王键霖,张浩,张永爽,马超伟,齐珂,张小艾,

单位：河南农业大学信息与管理科学学院(软件学院),郑州450046；

关键词：知识图谱,实体对齐,图注意力网络,属性信息,邻域信息聚合,

基金：河南省重大科技专项(171100110600-01)；河南省重点研发与推广专项(科技攻关)(222102110234)；河南农业大学本科教育教学改革研究与实践项目(2023XJGLX045)；；

针对知识图谱中存在部分属性信息对实体对齐任务影响程度不一致以及实体的邻域信息重要程度不一致的问题，提出了一种结合双层图注意力网络的邻域信息聚合实体对齐（two-layer graph attention network entity alignment，TGAEA）方法。该方法采用双层图神经网络，首先利用第一层网络对实体属性进行注意力系数计算，降低无用属性对实体对齐的影响；随后，结合第二层网络对实体名称、关系和结构等信息进行特征加权，以区分实体邻域信息的重要性；最后，借助自举方法扩充种子实体对，并结合邻域信息相似度矩阵进行实体距离度量。实验表明，在DWY100K数据集上，TGAEA模型相较于当前基线模型，hit@1、hit@10和MRR指标分别提升了4.18%、4.81%和5%，证明了双层图注意力网络在邻域信息聚合实体对齐方面的显著效果。

来源：2024年第6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6期