.png){kind=icon}
返回
Large-scale Entity Alignment in Knowledge Graphs Using Language Models
.png){kind=icon}
PRE
AI
DOI：10.3724/2096-7004.di.2025.0074.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）对于知识融合与集成至关重要，因为它旨在匹配不同知识图谱（KGs）中的等效实体。近年来，许多基于神经网络的EA方法被提出，主要关注开发各种图表示学习模型以在向量空间中匹配实体。然而，大多数现实世界的KGs是大规模的，并包含丰富的实体结构及属性信息，这对主要为中小型KGs设计的方法提出了挑战。为解决大规模EA的挑战，本文介绍了一种基于语言模型的简单、有效且可扩展的方法。我们的方法首先利用语言模型的能力，将实体的多视角信息编码为低维嵌入，识别高相似度的潜在对齐实体对。随后，使用全局匹配算法对这些候选对进行重排序，以生成最终对齐结果。实验结果表明，我们的方法在真实世界的大规模EA数据集上取得了最先进的表现，在准确率和效率上均优于现有方法。
Keyword:
Knowledge graph
Pre-trained language model
Entity alignment
Large-scale entity alignment
Dense retrieval
