基于图卷积神经网络的石油数据资产知识图谱实体对齐方法

在石油数据资产知识图谱融合过程中存在命名规则差异性大、专业性强和特殊语义问题。提出基于图卷积神经网络的石油数据资产知识图谱(KG)实体对齐方法,给定一组预先对齐的实体种子,采用Graph Convolutional Networks(GCNS)网络学习实体结构和属性信息嵌入统一向量空间,计算空间中实体之间距离;在石油数据资产数据集中对两个KGs进行实体对齐实验。结果表明:基于GCN融合实体关系和属性的嵌入模型优于基于实体关系的TransE实体对齐模型,Hits@1最高为16.96%,比TransE实体对齐模型平均提升6.18%。基于图卷积神经网络的融合实体关系、属性和属性值的实体对齐方法适用于石油数据资产知识管理。