.png){kind=icon}
返回
Multi-modal knowledge graph entity alignment: a comprehensive survey
.png){kind=icon}
PRE
AI
DOI：10.1007/s00778-026-00986-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多模态知识图谱实体对齐在整合异构知识方面发挥着关键作用。本文提出了一种以细粒度模块化框架为中心的系统综述。我们将该任务的流程分解为四个关键阶段：单模态编码、跨模态交互、多模态融合和优化。本工作的独特贡献在于统一了不同文献中的数学符号和定义，使得无需查阅原始文献即可进行机制的理论比较。此外，我们全面分析了主流数据集和性能指标，识别了当前方法的优点和局限性。最后，我们探讨了开放挑战和新兴趋势。我们希望这篇综述能为社区提供基础性参考，为促进未来在多模态知识表示之间弥合语义差距的创新提供明确指导。为促进可重复性和便利未来研究，我们建立了一个开源仓库，汇总了主流MMEA数据集和代表性方法的源代码。
Keyword:
Multi-modal knowledge graph
Entity alignment
Cross-modal information interaction
Multi-modal information fusion
期刊
T
IF:
0
论文数:
36
被引数:
0
机构
暂无机构信息
引用论文
MultiJAF: Multi-modal joint entity alignment framework for multi-modal knowledge graph.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏
Triplet-aware graph neural networks for factorized multi-modal knowledge graph entity alignment用于因式分解多模态知识图实体对齐的三元组感知图神经网络NEURAL NETWORKS
NEURAL NETWORKSIF6.3
PREAI
分享收藏Knowledge graph of agricultural engineering technology based on large language model基于大语言模型的农业工程技术知识图谱研究DISPLAYS
DISPLAYSIF3.4
PREAI
分享收藏CTEA: Context and Topic Enhanced Entity Alignment for knowledge graphsCTEA: 上下文和主题增强的知识图实体对齐NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏
查看更多内容