提出了基于图表示学习的联合嵌入实体对齐模型（Joint Embedding Entity Alignment based Graph Convolutional Network，JEGCN）。该模型同时利用 知识图谱中的关系三元组和属性三元组，首先使用多层图卷积网络模型对关系三元组中包含的结构信息进行嵌入，并使用高速网络、实体名称初始化策略和最近邻负采样策略提升结构嵌入的表示能力；其次，模型根据关系三元组中实 体和关系之间的关联，计算出关系嵌入，并生成实体的结构-关系联合嵌入，对 联合嵌入进行训练；再次，模型使用多层图卷积网络模型对属性三元组中的实 体属性进行嵌入；最后，将实体的结构-关系联合嵌入与其属性嵌入连接，生成实体的结构-关系-属性联合嵌入。实验结果证明，JEGCN模型在DBP15K数据集上具有良好的表现，在DBP15KFR-EN数据集上的对齐准确率Hits@1达到90.26%，Hits@10得分达到96.66%。
