融合主题模型的图卷积神经网络知识图谱实体对齐.pdfVIP

计算机系统应用

ISSN

1003-3254,

CODEN

CSAOBNE-mail:

csa@

2025,34(4):207−217

[doi:

10.15888/ki.csa.009809]

[CSTR:

32024.14.csa.009809]

©中国科学院软件研究所版权所有.Tel:

+86-10

融合主题模型的图卷积神经网络知识图谱实体

对齐①

李腾腾,

杨光

(南京航空航天大学

计算机科学与技术学院,

南京

211106)

通信作者:

李腾腾,

E-mail:

lt_teng7@

摘要:

实体对齐技术旨在识别并匹配不同知识图谱中指代同一实体的项,

对于知识图谱的融合具有至关重要的作

用,

其在知识补全、社交网络分析等多个领域已经展现出广泛的应用潜力与显著的实用价值.

随着基于知识表征学

习的实体对齐方法的不断演进,

研究者们开始探索利用实体之间的多种信息维度来计算相似度,

从而评估源实体与

目标实体之间的相似性.

尽管如此,

实体的部分属性信息在目前已有的方法中仍未得到充分利用,

尤其是实体属性

中的主题信息,

通过主题模型能够识别出实体间更为显著的语义联系.

针对这一研究,

以实体属性的主题信息为核

心,

提出了一种实体对齐框架EAGT

(knowledge

graph

entity

alignment

via

graph

convolutional

network

with

biterm

topic

model),

通过实体主题结合图卷积神经网络进行实体对齐.

为了验证所提方法的有效性,

在开源的数据集上进

行了实验,

结果表明,

EAGT在大多数情况下均实现了性能提升.

关键词:

知识图谱;

实体对齐;

主题模型;

图卷积神经网络

引用格式:

李腾腾,杨光.融合主题模型的图卷积神经网络知识图谱实体对齐.计算机系统应用,2025,34(4):207–217.

/1003-

3254/9809.html

KnowledgeGraphEntityAlignmentviaGraphConvolutionalNeuralNetworkwithTopic

Model

LI

Teng-Teng,

YANG

Guang

(College

of

Computer

Science

and

Technology,

Nanjing

University

of

Aeronautics

and

Astronautics,

Nanjing

211106,

China)

Abstract:

Entity

alignment

technology

aims

to

identify

and

match

items

that

refer

to

the

same

entity

across

different

knowledge

graphs.

It

plays

a

crucial

role

in

the

integration

of

knowledge

graphs

and

demonstrates

broad

application

potential

and

significant

practical

value

in

multiple

fields

such

as

knowledge

completion

and

social

network

analysis.

With

the

continuous

evolution

of

entity

alignment

methods

based

on

knowledge

representation

learning,

researchers

begin

to

explore

the

use

of

multiple

information

dimensions

among

entities

to

calculate

similarity,

thereby

evaluating

the

similarity

between

source

and

target

entities.

Nonetheless,

some

of

the