論文簡讀-MultiKE-《Multi-view Knowledge Graph Embedding for Entity Alignment》

1. 動機與貢獻 1.1. 動機 知識圖譜的特徵有許多，包括結構信息、實體屬性、實體名稱及描述等。目前的實體對齊方法僅僅只利用了其中部分特徵，沒有將這些特徵全部利用起來。將所有特徵有效利用起來能夠提高模型的準確率和穩定性。 對齊任務往往需要種子實體對作爲正樣本，但是種子實體對的獲取成本高導致其數量少。事實上，從多種特徵中學習實體的嵌入能夠自動補貨對齊特徵並且減輕對種子實體對的依賴。 1.2. 貢獻

>>阅读原文<<