.png){kind=icon}
返回
Unsupervised temporal knowledge graph entity alignment via BERT and structure adaptation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2026.131860.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着知识图谱（KGs）在人工智能中的广泛应用，时序知识图谱（TKGs）因其能够捕捉实体间的动态交互而受到越来越多的关注。跨TKGs的实体对齐（EA）对于有效的知识整合与推理至关重要。然而，大多数现有的EA方法仍然严重依赖预对齐的种子对，这些种子对的获取成本高昂，并限制了模型在实际应用中的可扩展性。此外，直接跨异构TKGs整合结构特征可能会引入噪声而非信息丰富的对齐信号。为解决这些挑战，我们提出了BSAUEA（基于BERT和结构适应的无监督时序知识图谱实体对齐），该方案结合了基于BERT的上下文嵌入与结构适应机制，以选择性利用结构信息。此外，BSAUEA引入了无监督种子生成模块，利用实体名称语义和时序共现模式自动识别高置信度对齐对。与现有方法相比，BSAUEA显著提升了无监督时序知识图谱对齐的鲁棒性和可扩展性。实验结果表明，在齐次数据集（DICEWS、YAGO-WIKI）上，BSAUEA的Hits@1分别达到97.5%和98.3%，较基线方法分别提升了1.5%和0.2%；在异构数据集（ICEWS-WIKI、ICEWS-YAGO）上，分别达到70.9%和82.7%，接近有监督的先进水平。无监督版本在无对齐种子的情况下仍保持高精度，且其种子生成模块可与其他方法兼容，展现出强大的实际应用潜力。
Keyword:
BERT
structure adaptation
entity alignment
temporal knowledge graphs
unsupervised learning
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
暂无机构信息
引用论文
分享收藏分享收藏分享收藏TS-align: A temporal similarity-aware entity alignment model for temporal knowledge graphsTS-对齐: 一种时间相似性感知的时间知识图实体对齐模型.png)
INFORMATION FUSION
INFORMATION FUSIONIF15.5
PREAI
分享收藏
查看更多内容