適応機能を通じた集合エンティティアラインメント

エンティティアラインメント（EA）は、同じ現実世界のオブジェクトを指すが異なる知識グラフ（KG）に位置するエンティティを特定し、KGの構築と統合に活用されてきました。EA結果を生成する際、現在のソリューションはエンティティを独立して扱い、エンティティ間の相互依存性を考慮していません。このギャップを埋めるために、我々は集合EAフレームワークを提案します。最初に、構造信号、意味論信号、文字列信号の3つの代表的な特徴を用いて、異種KGにおけるエンティティ間の類似性の異なる側面を捉えるように適応させます。集合EA決定を行うために、EAを従来の安定マッチング問題として定式化し、遅延受け入れアルゴリズムによって効果的に解決します。我々の提案は、最先端のソリューションに対して、クロスリンガルとモノリンガルEAベンチマークの両方で評価され、実証結果はその有効性と優位性を確認します。