論文淺嘗 | 基於對抗學習的弱監督知識圖譜對齊

論文筆記整理：郭凌冰，浙江大學研究助理，研究方向爲知識圖譜的表示學習。 絕大部分現有的知識圖譜對齊方法都要求足夠的已對齊三元組作爲監督數據，但在現實世界中，獲取大量的對齊三元組的代價十分高昂。本文提出一種同時適用於全監督或者弱監督知識圖譜對齊的方法，其通過一種基於對抗學習的框架（KAGAN）來對齊不同知識圖譜中實體和關係的嵌入表示： 本文首先定義了由源知識圖譜的實體（或關係）到目標知識圖譜的實體（

>>阅读原文<<