论文解读 | NeurIPS'24 Lambda：学习匹配先验以处理无标记垂悬问题场景下的实体对齐任务

文章预览

点击蓝字 关注我们 AI TIME欢迎每一位AI爱好者的加入！ 点击  阅读原文  观看作者讲解回放！ 作者简介 尹航 ，上海交通大学博士生 内容简介 我们研究了带有无标记悬挂问题的实体对齐（EA）任务，即部分实体在另一个知识图谱（KG）中没有对应实体，而这类实体尚未被标记。当待匹配的源图和目标图的规模不同时，这个问题就会出现，而且标记可匹配实体相比悬挂实体要容易得多。为了应对这一挑战，我们提出了一个名为Lambda的框架，用于悬挂检测和实体对齐。Lambda采用了一个基于图神经网络（GNN）的编码器KEESA，并结合了谱对比学习损失用于EA，以及一个名为iPULE的正无标记学习算法用于悬挂检测。iPULE具备无偏性、一致偏差界限和收敛性方面的理论保证。实验结果表明，Lambda的每个组件都有助于整体性能的提高，其性能优于基线方法，即使基 ………………………………