文献

J-GLOBAL ID：202202266279491453   整理番号：22A0831986

エンティティアラインメントのための埋込みベースおよび記号ベース手法の結合【JST・京大機械翻訳】

Combining embedding-based and symbol-based methods for entity alignment

著者 (12件)： Jiang Tingting (Key Laboratory of Knowledge Engineering with Big Data (Hefei University of Technology), Ministry of Education, China) ,  Jiang Tingting (School of Computer Science and Information Engineering, Hefei University of Technology, Hefei, China) ,  Jiang Tingting (Institute of Big Knowledge Science, Hefei University of Technology, Hefei, China) ,  Bu Chenyang (Key Laboratory of Knowledge Engineering with Big Data (Hefei University of Technology), Ministry of Education, China) ,  Bu Chenyang (School of Computer Science and Information Engineering, Hefei University of Technology, Hefei, China) ,  Bu Chenyang (Institute of Big Knowledge Science, Hefei University of Technology, Hefei, China) ,  Zhu Yi (School of Information Engineering, Yangzhou University, Yangzhou, China) ,  Zhu Yi (Key Laboratory of Knowledge Engineering with Big Data (Hefei University of Technology), Ministry of Education, China) ,  Zhu Yi (School of Computer Science and Information Engineering, Hefei University of Technology, Hefei, China) ,  Wu Xindong (Key Laboratory of Knowledge Engineering with Big Data (Hefei University of Technology), Ministry of Education, China) ,  Wu Xindong (Institute of Big Knowledge Science, Hefei University of Technology, Hefei, China) ,  Wu Xindong (Mininglamp Academy of Sciences, Mininglamp Technology, Beijing, China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 124  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： エンティティアラインメントの目的は,エンティティが実世界で同じオブジェクトを参照するかどうかを判断することである。エンティティアラインメントのための方法は,従来のシンボルベースのエンティティアラインメント方法と埋込みベースのエンティティアラインメント方法の2つの群にランダムに分割できる。両グループの方法には,利点と短所(セクション1で詳細)がある。したがって,両方の方法の利点を結合することは,有望な戦略であるかもしれない。しかしながら,著者らの知る限りでは,著者らの以前の会議論文(人工知能に関する太平洋Rim国際会議,pp.162-175,2019)で提案されたRTEAアルゴリズムだけが,エンティティアラインメントのためにこの戦略を利用する。本論文は,改良アルゴリズム,すなわち,ESEA(e mbedding-basedとsymbol-based法)を,次のステップに基づいて提案する,その会議論文の拡張版である。最初に,シンボルベースのモデルと埋込みモデルを結合する新しい方法を提案した。高いベクトル類似性を有するエンティティをハイブリッド埋込みモデルを通して得て,最終的配列エンティティペアをシンボルベースの方法を通して計算した。第2に,元のバージョンにおける編集距離法だけの代わりに,一連のシンボルベースの方法を,関係アラインメントのための埋込みベースの方法と組み合わせた。第3に,著者らは,両方の方法の利点をより良く活用する目的で,より複雑なフレームワークにおいてシンボルベースと埋込みベースの方法を組み合わせる。実世界データセットに関する実験結果は,提案方法がいくつかの最先端の埋込みベースのエンティティアラインメントアプローチを凌駕し,著者らの以前のRTEA法を凌駕することを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アラインメント ,  アルゴリズム ,  情報理論 ,  ベクトル ,  *データ ,  国際会議 ,  配列 ,  人工知能 ,  太平洋 ,  類似性 ,  フレームワーク【ソフトウェア開発】
準シソーラス用語： 編集距離 ,  *エンティティ ,  グラフ埋込み , 【Automatic Indexing@JST】

著者キーワード (3件)： エンティティアラインメント ,  知識グラフ埋込み ,  ストリング類似性

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： エンティティ ,  アラインメント ,  埋込み ,  記号 ,  手法