संस्थान संरेखण के परे: संस्थान-सम्बंध सामंजस्य के माध्यम से पूर्ण ज्ञान ग्राफ संरेखण की ओर

ज्ञान ग्राफ संरेखण (KGA) का उद्देश्य कई स्रोतों से ज्ञान को एकीकृत करना है ताकि व्यक्तिगत ज्ञान ग्राफ़ (KGs) की कवरेज और गहराई के संदर्भ में सीमाओं को संबोधित किया जा सके। हालाँकि, वर्तमान KGA मॉडल ``पूर्ण'' ज्ञान ग्राफ़ संरेखण प्राप्त करने में असफल रहते हैं। मौजूदा मॉडल मुख्य रूप से क्रॉस-ग्राफ संस्थाओं के संबंध को जोड़ने पर जोर देते हैं लेकिन KGs के बीच संबंधों को संरेखित करने की अनदेखी करते हैं, जिससे KGA के लिए केवल आंशिक समाधान मिलते हैं। संबंधों में निहित सांकेतिक संबंधों को बड़े पैमाने पर नजरअंदाज किया जाता है, जो संभवतः क्रॉस-KG संकेतों की व्यापक समझ को सीमित कर सकती है। इस लेख में, हम संबंध संरेखण को एक स्वतंत्र कार्य के रूप में परिभाषित करने का प्रस्ताव रखते हैं और इसे दो विशेष लेकिन आपस में जुड़े उप-कार्य: संस्थान संरेखण और संबंध संरेखण में विभाजित करके KGA करते हैं। इन लक्ष्यों के बीच पारस्परिक रूप से मजबूत छानबीन स्थापित करने के लिए, हम एक नई अपेक्षा-मैक्सिमाइजेशन आधारित मॉडल, EREM, का प्रस्ताव करते हैं, जो दोनों उप-कार्यों का क्रमिक अनुकूलन करता है। वास्तविक डेटा सेट पर प्रयोगात्मक परिणाम दर्शाते हैं कि EREM लगातार संस्थान संरेखण और संबंध संरेखण कार्यों में अत्याधुनिक मॉडलों को मात देता है।