软件学报

作者：孙琛琛，金钰媛，申德荣，聂铁铮，寇月

单位：孙琛琛，长安大学, 陕西 西安 710018;天津理工大学, 天津 30038411,金钰媛，长安大学, 陕西 西安 710018;天津理工大学, 天津 30038402,申德荣，东北大学, 辽宁 沈阳 11018903,聂铁铮，东北大学, 辽宁 沈阳 11018904,寇月，东北大学, 辽宁 沈阳 11018905

关键词：实体对齐;知识图谱融合;异构图注意力网络;表示学习;数据集成

基金：国家自然科学基金(62002262, 62172082, 62072086, 62072084)

实体对齐(entity alignment, EA)旨在寻找不同知识图谱(knowledge graph, KG)中等价实体. 目前, 基于嵌入的EA方法存在以下局限性. 首先, KG中的异构结构没有完全建模. 其次, 文本信息的使用受限于词嵌入. 第三, 对齐推理算法缺乏探索. 针对上述限制, 提出基于异构图注意力网络的实体对齐方法(heterogeneous graph attention network for entity alignment, HGAT-EA). HGAT-EA包括两个通道, 一个用于学习结构嵌入, 另一个用于学习字符级语义嵌入. 第1个通道采用异构图注意力网络(heterogeneous graph attention network, HGAT). HGAT充分利用了异构结构和关系三元组来学习实体嵌入. 第2个通道是利用字符级字面量来学习字符级语义嵌入. HGAT-EA通过多通道考虑多个视图, 并通过HGAT充分利用异构结构. HGAT-EA考虑了3种不同的对齐推理算法. 实验结果证明了该方法的有效性, 进一步结合实验结果对HGAT-EA的不同组件进行详细分析, 并给出相应的结论.

来源：2025年第11期

《软件学报》期刊编辑部

查看软件学报杂志2025年第11期