山东大学学报(工学版)

作者：苏佳林,王元卓,靳小龙,程学旗

单位：1. 中国科学院计算技术研究所网络数据科学与技术重点实验室，北京 100080；2. 中国科学院大学计算机与控制学院，北京 101408

关键词：知识图谱,实体对齐,自适应属性选择,联合表示学习,属性强约束,

基金：国家重点研发计划项目课题(2016YFB1000902);国家自然科学基金资助项目(61572469);国家自然科学基金资助项目(61772501);国家自然科学基金资助项目(61572473);国家自然科学基金资助项目(91646120)

现有实体对齐方法普遍存在传统方法依赖外部信息和人工构建特征，而基于表示学习的方法忽略了知识图谱中的结构信息的问题。针对上述问题，提出自适应属性选择的实体对齐方法，融合实体的语义和结构信息训练基于两个图谱联合表示学习的实体对齐模型。提出使用基于自适应属性选择的属性强约束模型，根据数据集特征自动生成最优属性类型和权重约束，提升实体对齐效果。两个实际数据集上的试验表明,该方法与传统表示学习方法相比准确率最高提升了约11%。

来源：2020年第1期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2020年第1期