.png){kind=icon}
返回
DKGCN: Entity alignment based on dynamic graph inference in e-commerce platforms
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2026.133542.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在电子商务平台中，鉴于商品实体信息的动态特性，时间信息在实体对齐中尤为重要。我们提出了一种基于动态图神经网络（GNN）的实体对齐框架，该框架针对电子商务平台，以商品数据源的动态变化为出发点。首先，针对电子商务平台的动态结构变化，并利用循环神经网络（RNN）提取K-core层次结构中的复杂结构依赖关系的能力，我们提出了一种基于K-core分解的图神经网络DKGCN。DKGCN在捕捉图动态的同时，保持局部连接邻近性和全局结构相似性；此外，通过相邻时间步之间的信息传递，模型建立了一致性约束。其次，为解决时空特征的融合问题，我们构建了一种基于动态图神经网络的时空嵌入模型。该模型分别嵌入结构和时间信息：结构分量关注网络节点和连接，而时间分量记录节点和边在时间线上的动态演化。这些独立向量随后被完全整合以获得全面的总体嵌入向量。最后，为解决电子商务平台中的数据稀疏性问题，并考虑到注意力机制在捕捉隐含关系方面的优势，我们提出了一种时间关系注意力机制。该机制计算每个时间点的注意力权重，以反映时间序列中不同时刻对对齐任务的重要性。实验表明，所提出的方法能够有效适应电子商务平台中不断演变的实体关系和属性，提升了实体对齐的准确性和鲁棒性。
Keyword:
Entity alignment
Dynamic graph neural networks
Temporal attention mechanism
K-core decomposition
E-commerce
