基于双向GCN和CVm的实体对齐模型研究+人工智能+知识图谱+预训练模型

实体对齐旨在发现并链接不同知识图谱中指向现实世界的相同实体对象。 针对基于图卷积网络的实 体对齐通常作用于单一关系类型的无向图，容易导致对应实体学习的嵌入结果不一致问题，构建了一种基于双 向图卷积网络和变异系数法的实体对齐模型。 该模型通过拆分非对称邻接权重矩阵构建双向图卷积网络方法， 学习实体前后向隐藏特征，实现实体的完整表示；同时通过变异系数法为属性加权，选择最有代表性的实体局部 语义信息，有效提高实体对齐精确度。 通过在两组大型真实异构数据集上对模型进行验证，实验结果表明，该方 法与现有基于嵌入的实体对齐方法相比 Ｈｉｔ＠ １ 值平均提高了 ４％ ，同时保持较高的平均倒数秩，在一定程度上 可以提高实体对齐效果。