基于多跳信息融合的实体对齐模型

实体对齐是融合不同来源知识图谱的关键步骤。现有的实体对齐方法主要利用结构信息和名称信息,对实体属性值的利用还不够充分,同时在结构利用方面主要利用一阶邻域的结构进行信息的传递,对距离较远的邻居实体的感知能力不足。针对以上问题,提出一种基于多跳信息融合的实体对齐模型。使用预训练语言模型编码属性值信息,在模型的输入中使用实体的名称信息和属性值信息,将其分别输入到2个通道的编码器中进行信息融合,通过多重注意力机制融合不同距离的实体信息,分别计算出不同信息表示下的距离矩阵,对矩阵融合调整后得出最终对齐结果。在原始和降质后的DBP15K数据集上的实验结果表明,所提模型相比现有的各基线模型总体上得到了更精确的对齐结果,其中Hits@1性能比最优模型分别提高了2.51和5.54个百分点。