論文筆記整理：王中昊，天津大學(xué)碩士，方向：自然語(yǔ)言處理。

---

來(lái)源：AAAI2019

論文鏈接：?https://doi.org/10.1609/aaai.v33i01.3301297

?

概述

知識(shí)圖譜之間的實(shí)體對(duì)齊的任務(wù)目標(biāo)是去找到那些在兩個(gè)不同的知識(shí)圖譜上表示現(xiàn)實(shí)世界相同的實(shí)體。最近，人們提出了基于嵌入的模型應(yīng)用于實(shí)體對(duì)齊任務(wù)。這種模型建立在知識(shí)圖譜嵌入模型的基礎(chǔ)上，該模型學(xué)習(xí)實(shí)體嵌入以捕獲同一知識(shí)圖譜中實(shí)體之間的語(yǔ)義相似性。而作者提議出一種能夠?qū)W習(xí)嵌入進(jìn)而捕捉不同知識(shí)圖譜中實(shí)體間相似性的模型。這種模型有助于將不同知識(shí)圖譜中的實(shí)體對(duì)齊，從而實(shí)現(xiàn)多個(gè)知識(shí)圖譜的集成。模型利用知識(shí)圖譜中存在的大量屬性三元組，來(lái)生成attribute character embeddings。attribute character embeddings基于它們的屬性，將兩個(gè)知識(shí)圖譜上的實(shí)體嵌入通過(guò)計(jì)算實(shí)體之間的相似度進(jìn)而轉(zhuǎn)移到同一空間。與此同時(shí)，模型也使用傳遞性規(guī)則來(lái)進(jìn)一步豐富實(shí)體的屬性數(shù)目，以增強(qiáng)attribute character embeddings。

?

?

模型和方法

?

模型綜述

該模型框架使用基于嵌入的模型，如上圖所示。該框架由謂詞對(duì)齊、嵌入學(xué)習(xí)和實(shí)體對(duì)齊三部分模塊組成。由于基于嵌入的實(shí)體對(duì)齊要求兩個(gè)知識(shí)圖譜的嵌入（關(guān)系和實(shí)體嵌入）落在同一向量空間中。為了使關(guān)系嵌入有一個(gè)統(tǒng)一的向量空間，我們基于謂詞相似度（即謂詞對(duì)齊）合并了兩個(gè)知識(shí)圖譜。

謂詞對(duì)齊模塊（后文將詳細(xì)介紹）將查找部分相似的謂詞，例如dbp:bornIn與yago:wasBornIn，并使用統(tǒng)一的命名方案（例如：bornIn）來(lái)重命名它們。基于這個(gè)統(tǒng)一的命名方案，我們將G1和G2（見上圖）合并成為G1_2中。然后，將合并后的圖G1_2分為一組關(guān)系三元組Tr和一組屬性三元組Ta，用于后續(xù)的嵌入學(xué)習(xí)。

嵌入學(xué)習(xí)模塊（后文將詳細(xì)介紹）利用結(jié)構(gòu)嵌入和屬性嵌入共同學(xué)習(xí)兩個(gè)知識(shí)圖譜的實(shí)體嵌入。使用上文中生成的關(guān)系三元組Tr來(lái)進(jìn)行結(jié)構(gòu)嵌入的學(xué)習(xí)，而使用屬性三元組Ta來(lái)進(jìn)行屬性嵌入的學(xué)習(xí)。最初，來(lái)自G1和G2的實(shí)體的結(jié)構(gòu)嵌入，由于兩個(gè)知識(shí)圖譜中的實(shí)體使用不同的命名方案表示，因此落入不同的向量空間。相反的，從屬性三元組Ta中學(xué)習(xí)到的屬性嵌入可以落在同一向量空間中。這是通過(guò)從屬性字符串中學(xué)習(xí)字符嵌入來(lái)實(shí)現(xiàn)的，即使屬性來(lái)自不同的知識(shí)圖譜（我們稱之為attribute character embeddings），也可以是相似的。然后，利用得到的attribute character embeddings將實(shí)體的結(jié)構(gòu)嵌入到同一向量空間中，使得實(shí)體嵌入能夠從兩個(gè)知識(shí)圖譜中獲取實(shí)體間的相似性。例如，假設(shè)我們有三元組<lgd:240111203，：country，lgd:51477>和<lgd:51477，：label， "Germany">來(lái)自G1，以及<dbp:kromdorf，：country，dbp:Germany>和<dbp:Germany，：label， "Germany">來(lái)自G2。attribute character embeddings允許兩個(gè)實(shí)體lgd:51477和dbp:Germany具有相似的向量表示，因?yàn)檫@兩個(gè)實(shí)體具有相似的屬性值“Germany”。然后，實(shí)體lgd:240111203和dbp:kromdorf的結(jié)構(gòu)嵌入也將相似，因?yàn)檫@兩個(gè)實(shí)體共享相同的謂詞，并且有兩個(gè)具有相似的向量表示的尾部實(shí)體lgd:51477和dbp:Germany，。

一旦我們獲得了G1和G2中所有實(shí)體的嵌入，實(shí)體對(duì)齊模塊（后文將詳細(xì)介紹）就會(huì)發(fā)現(xiàn)每一對(duì)<h1,h2>，其中h1∈G1和h2∈G2的相似性得分都高于閾值β。為了進(jìn)一步提高模型的性能，作者所建立的模型使用關(guān)系傳遞性規(guī)則來(lái)豐富G1和G2中所有實(shí)體的屬性，進(jìn)而幫助構(gòu)建更健壯的屬性嵌入以計(jì)算實(shí)體之間的相似性。

?

1.1 謂詞對(duì)齊模塊

?

謂詞對(duì)齊模塊通過(guò)使用統(tǒng)一的命名方案來(lái)重命名兩個(gè)知識(shí)圖譜中的謂詞，從而合并兩個(gè)KG，以便為關(guān)系嵌入提供統(tǒng)一的向量空間。事實(shí)上，謂詞有命名約定，例如rdfs:label、geo:wgs84pos#lat和geo:wgs84 pos#long。除了命名c約定之外，還有部分匹配的謂詞，例如dbp:diedIn vs.yago:diedIn和dbp:bornInvs.yago:wasBornIn。謂詞對(duì)齊模塊找到這些謂詞，并使用統(tǒng)一的命名方案（例如：diedIn和：bornIn）重命名它們。為了找到部分匹配的謂詞，作者通過(guò)計(jì)算謂詞URI最后一部分的編輯距離（例如bornIn與wasBornIn），并將0.95設(shè)為相似度閾值。

?

1.2嵌入學(xué)習(xí)模塊

?

結(jié)構(gòu)嵌入

?

作者將嵌入學(xué)習(xí)更多地集中在對(duì)齊的三元組（即具有對(duì)齊謂詞的三元組）上，將TransE學(xué)習(xí)用于知識(shí)圖譜之間實(shí)體對(duì)齊的結(jié)構(gòu)嵌入。并且通過(guò)添加權(quán)重α來(lái)控制三元組上的嵌入學(xué)習(xí)。為了學(xué)習(xí)結(jié)構(gòu)嵌入，在作者的模型中，最小化了以下目標(biāo)函數(shù)JSE

其中Tr是有效關(guān)系三元組的集合，T′r是損壞關(guān)系三元組的集合，γ是一個(gè)邊距超參數(shù)，count（r）是關(guān)系r的出現(xiàn)次數(shù)，|T |是KG合并后，G1_2中三元組的總數(shù)。通常，對(duì)齊謂詞的出現(xiàn)次數(shù)高于不對(duì)齊謂詞，因?yàn)閷?duì)齊謂詞同時(shí)出現(xiàn)在兩個(gè)知識(shí)圖譜中，因此允許模型從對(duì)齊的三元組中學(xué)習(xí)更多內(nèi)容。

?

屬性嵌入

?

就像TransE一樣，對(duì)于屬性字符嵌入，我們將謂詞r解釋為從頭實(shí)體h到屬性a的翻譯。但是，同一個(gè)屬性a可能以不同的形式出現(xiàn)在兩個(gè)知識(shí)圖譜中，例如，50.9989 vs.50.998888889作為實(shí)體的緯度；“Barack Obama”vs.“Barack Hussein Obama”作為人名，等等，我們使用復(fù)合函數(shù)來(lái)編碼屬性值，并將屬性三元組中每個(gè)元素的關(guān)系定義為h+r≈fa（a）。這里，fa（a）是一個(gè)復(fù)合函數(shù)，a是屬性值a={c1，c2，c3，…，ct}的字符序列。合成函數(shù)將屬性值編碼為單個(gè)向量，并將類似的屬性值映射到類似的向量表示。我們定義了三個(gè)組合函數(shù)如下：

Sum compositional function (SUM)。第一個(gè)復(fù)合函數(shù)定義為屬性值的所有字符嵌入的總和：

其中c1、c2、…、ct是屬性值的字符嵌入。

?

LSTM-based compositional function (LSTM)。為了解決SUM問(wèn)題，作者提出了一種基于LSTM的組合函數(shù)。此函數(shù)使用LSTM網(wǎng)絡(luò)將字符序列編碼為單個(gè)矢量。并且使用LSTM網(wǎng)絡(luò)的最終隱藏狀態(tài)作為屬性值的向量表示：

其中，flstm是由Kimetal定義的LSTM網(wǎng)絡(luò)（2016年）。

?

N-gram-based compositional function (N-gram)。作者進(jìn)一步提出了一個(gè)基于N-gram的組合函數(shù)作為解決SUM問(wèn)題的替代方法。這里，作者使用屬性值的n-gram組合求和。???

其中N表示n-gram組合中使用的n的最大值（在作者的實(shí)驗(yàn)中n＝10），t是屬性值的長(zhǎng)度。

?

為了學(xué)習(xí)屬性字符嵌入，作者將以下目標(biāo)函數(shù)JCE最小化：

其中Ta是來(lái)自訓(xùn)練數(shù)據(jù)集的有效屬性三元組，而T′a是損壞屬性三元組的集合（a是G中的屬性集合）。通過(guò)將頭實(shí)體替換為隨機(jī)實(shí)體或?qū)傩蕴鎿Q為隨機(jī)屬性值，將損壞的三元組用作負(fù)樣本。要注意的是，這里的f（ta）是基于頭部實(shí)體h的嵌入、關(guān)系r的嵌入和使用合成函數(shù)fa（a）計(jì)算的屬性值的向量表示的似然性得分。

下面要進(jìn)行結(jié)構(gòu)嵌入與屬性字符嵌入的聯(lián)合學(xué)習(xí)，作者使用attribute character embedding(hce) ，通過(guò)最小化以下目標(biāo)函數(shù)JSIM，將結(jié)構(gòu)嵌入(hse)轉(zhuǎn)移到同一向量空間中：

這里cos（hse，hce）是向量hse和hce的余弦相似性。結(jié)構(gòu)嵌入將基于實(shí)體關(guān)系捕獲兩個(gè)知識(shí)圖譜之間實(shí)體的相似性，而屬性字符嵌入將基于屬性值捕獲實(shí)體的相似性。結(jié)構(gòu)嵌入和屬性字符嵌入聯(lián)合學(xué)習(xí)的總體目標(biāo)函數(shù)是：

??????????????

?

1.3實(shí)體對(duì)齊模塊

?

由于結(jié)構(gòu)嵌入和屬性字符嵌入的聯(lián)合學(xué)習(xí)，使得G1和G2的相似實(shí)體具有相似的嵌入。因此，生成的嵌入可用于實(shí)體對(duì)齊。我們計(jì)算下列實(shí)體對(duì)齊方程：

給定一個(gè)實(shí)體h1∈G1，我們計(jì)算h1與所有實(shí)體h2∈G2之間的相似性。<h1，hmap>是預(yù)期的對(duì)齊實(shí)體對(duì)。我們使用相似性閾值β來(lái)過(guò)濾太不相似而無(wú)法對(duì)齊的成對(duì)實(shí)體。

?

?

1.4通過(guò)傳遞性規(guī)則豐富三元組

?

盡管嵌入的結(jié)構(gòu)隱式地學(xué)習(xí)了關(guān)系傳遞信息，但是顯式地包含這些信息會(huì)增加每個(gè)實(shí)體的屬性和相關(guān)實(shí)體的數(shù)量，這有助于識(shí)別實(shí)體之間的相似性。例如，給定三元組<dbp:EmporiumTower，：locatedIn，dbp:London>和<dbp:London，：country，dbp:England>,我們可以推斷dbp:EmporiumTower與dbp:England有關(guān)系（即“：locatedInCountry”）。實(shí)際上，這些信息可以用來(lái)豐富相關(guān)實(shí)體dbp:Emporium Tower。作者將一跳傳遞關(guān)系處理如下，給定傳遞三元組<h1，r1，t>和<t，r2，t2>，我們將r1.r2解釋為從頭實(shí)體h1到尾實(shí)體t2的關(guān)系。因此，這些傳遞三元組之間的關(guān)系被定義為h1+（r1.r2）≈t2。通過(guò)用r1.r2代替關(guān)系向量r，也增強(qiáng)了上文提到的嵌入模型的最小化目標(biāo)函數(shù)。

實(shí)驗(yàn)

作者在四個(gè)真實(shí)的KG上評(píng)估了他們的模型，包括DBpedia（DBP）（Lehmann等人。2015年），LinkedGeoData（LGD）（Stadler等人。2012年），Geonames（GEO）2和YAGO（Hoffart等人。2013年）。作者使用提出的模型，將DBP的實(shí)體分別與LGD、GEO和YAGO的實(shí)體對(duì)齊。將模型發(fā)現(xiàn)的對(duì)齊實(shí)體與三個(gè)地面真值數(shù)據(jù)集（DBP-LGD、DBP-GEO和DBP-YAGO）中的對(duì)齊實(shí)體進(jìn)行比較，這三個(gè)數(shù)據(jù)集分別包含了DBP和LGD、GEO和YAGO之間的對(duì)齊實(shí)體。

作者使用hits@k（k=1，10）（即正確對(duì)齊的實(shí)體在前k個(gè)預(yù)測(cè)中所占的比例）和正確（即匹配）實(shí)體的排名的平均值來(lái)評(píng)估模型的性能。較高的hits@k和較低的MR表明該模型的性能更好。對(duì)于來(lái)自DBP的每個(gè)實(shí)體，作者使用公式計(jì)算與來(lái)自另一個(gè)KG（LGD/GEO/YAGO）的實(shí)體的相似性得分。如表1所示，作者提出的模型始終優(yōu)于基線模型，基于MR的t檢驗(yàn)，p<0.01。同時(shí)，MTransE和JAPE依賴于種子排列的數(shù)量（作者使用黃金標(biāo)準(zhǔn)的30%作為原始文件中建議的種子排列）。

表1

?

在作者的attribute character embedding模型中，使用N-gram復(fù)合函數(shù)比使用LSTM或和復(fù)合函數(shù)獲得了更好的性能，因?yàn)镹-gram復(fù)合函數(shù)在將屬性字符串映射到其向量表示時(shí)比其他函數(shù)更好地保持字符串的相似性。同時(shí)由于傳遞性規(guī)則豐富了實(shí)體的屬性，進(jìn)而更好地提高了模型的性能。為了評(píng)估屬性字符嵌入在捕獲實(shí)體間相似性方面的能力，作者進(jìn)一步創(chuàng)建了基于規(guī)則的實(shí)體對(duì)齊模型，其中只使用實(shí)體標(biāo)簽字符串之間的編輯距離以對(duì)齊實(shí)體。對(duì)于DBP-LGD和DBP-GEO數(shù)據(jù)集，作者添加坐標(biāo)相似性作為額外的度量，因?yàn)檫@兩個(gè)數(shù)據(jù)集只包含位置實(shí)體。從表2可以看出，作者的模型的嵌入結(jié)果可以作為一個(gè)附加特性添加，以增強(qiáng)基于規(guī)則的模型的性能。

表2

?

總結(jié)

針對(duì)知識(shí)圖之間的實(shí)體對(duì)齊問(wèn)題，作者提出了一種實(shí)體結(jié)構(gòu)嵌入與屬性字符嵌入相結(jié)合的嵌入模型。模型使用屬性字符嵌入將實(shí)體嵌入從不同的知識(shí)圖譜轉(zhuǎn)移到相同的向量空間。此外，作者采用傳遞性規(guī)則來(lái)豐富實(shí)體的屬性數(shù)目，以幫助識(shí)別基于屬性嵌入的實(shí)體之間的相似性。作者提出的模型在三對(duì)真實(shí)世界知識(shí)圖譜之間的實(shí)體對(duì)齊方面的hits@1始終超過(guò)基準(zhǔn)50%。

?

---

?

OpenKG

開放知識(shí)圖譜（簡(jiǎn)稱 OpenKG）旨在促進(jìn)中文知識(shí)圖譜數(shù)據(jù)的開放與互聯(lián)，促進(jìn)知識(shí)圖譜和語(yǔ)義技術(shù)的普及和廣泛應(yīng)用。

點(diǎn)擊閱讀原文，進(jìn)入 OpenKG 博客。

總結(jié)

以上是生活随笔為你收集整理的论文浅尝 | 基于属性嵌入的知识图谱实体对齐的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。