.png){kind=icon}
返回
An Efficient and Lightweight Framework for Unsupervised Entity Alignment between Temporal Knowledge Graphs
.png){kind=icon}
PRE
AI
DOI：10.1016/j.inffus.2025.103821.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
实体对齐（EA）旨在通过连接具有相同语义但属于不同知识图谱（KG）的实体，构建一个内容丰富的统一知识图谱（KG），这是知识图谱融合的基础任务。时序知识图谱（TKGs）通过添加时间戳扩展静态KG。现有方法已尝试将时序信息嵌入EA，并取得了显著进展。大多数现有方法通过预对齐实体对实现实体对齐，这通常需要先验知识，显著限制了这些方法的应用性。新兴的生成伪对齐的方法也倾向于生成错误的种子，影响训练结果。此外，随着TKGs规模的持续扩大，EA模型的效率变得愈发重要。为解决这些问题，我们提出了一个用于TKGs之间无监督EA的高效轻量级框架（ELTEA）。具体而言，为充分利用TKGs的结构信息，我们采用关系感知图注意力网络来捕捉实体与关系之间的交互。随后利用Jaccard相似度计算时序相似度矩阵。通过将EA转化为最优传输问题，实现最优对齐。此外，我们基于最优传输算法提出了一种适用于无监督学习的置信实体对生成方法。在四个数据集上的大量实验表明，ELTEA在监督和无监督情况下均优于先前方法，且时间成本更低。
