譚元珍，李曉楠，李冠宇

（大連海事大學(xué)信息科學(xué)技術(shù)學(xué)院，遼寧大連 116026）

0 概述

隨著智能信息服務(wù)應(yīng)用的不斷發(fā)展，知識(shí)圖譜（Knowledge Graph，KG）已被廣泛應(yīng)用于智能問(wèn)答［1］、智能信息處理［2-3］、個(gè)性化推薦［4］等領(lǐng)域。近年來(lái)，越來(lái)越多的知識(shí)圖譜被構(gòu)造以提供針對(duì)不同領(lǐng)域的知識(shí)，如DBpedia［5］、YAGO［6］、ConceptNet［7］、NELL［8］。研究人員發(fā)現(xiàn)，這些知識(shí)圖譜通常不完整，相互之間包含著互補(bǔ)的事實(shí)，需要將不同的知識(shí)圖譜整合到統(tǒng)一的知識(shí)圖譜中，為不同的應(yīng)用提供結(jié)構(gòu)知識(shí)。然而，將來(lái)自不同知識(shí)圖譜的實(shí)體鏈接到相同的真實(shí)世界知識(shí)并非易事，因?yàn)椴煌闹R(shí)圖譜基于不同的數(shù)據(jù)源所構(gòu)造，所以同一實(shí)體在不同的知識(shí)庫(kù)中也有著不同的表述。

在多語(yǔ)言知識(shí)圖譜中查找等效實(shí)體，對(duì)于集成多源知識(shí)圖譜起到重要的作用。實(shí)體對(duì)齊（Entity Alignment，EA）旨在從來(lái)自多個(gè)來(lái)源構(gòu)成的知識(shí)圖譜中找到表示真實(shí)世界知識(shí)的同一實(shí)體。目前，比較流行的實(shí)體對(duì)齊方法是基于知識(shí)圖譜嵌入的方法，此方法主要是利用知識(shí)圖譜的表示學(xué)習(xí)，克服了依靠人工創(chuàng)建規(guī)則或特征［9］的問(wèn)題。該類方法假定基于不同數(shù)據(jù)源構(gòu)造的知識(shí)圖譜具有相似的結(jié)構(gòu)，在向量空間中具有相對(duì)相似位置的實(shí)體為對(duì)齊實(shí)體，使用TransE 等一系列模型［10-15］表示每個(gè)知識(shí)圖譜中的實(shí)體和關(guān)系，然后將預(yù)對(duì)齊的實(shí)體投影至統(tǒng)一的向量空間。然而，基于知識(shí)圖譜嵌入的實(shí)體對(duì)齊需要足夠數(shù)量的種子序列，并且受不同知識(shí)圖譜間不完整性和異質(zhì)性的影響，對(duì)齊精確度往往不高。

圖神經(jīng)網(wǎng)絡(luò)（Graph Neural Network，GNN）是學(xué)習(xí)圖結(jié)構(gòu)化數(shù)據(jù)的矢量表示和解決圖上各種監(jiān)督預(yù)測(cè)問(wèn)題的強(qiáng)大模型［16-18］。GNN 遵循遞歸鄰域聚合方法，每個(gè)節(jié)點(diǎn)聚合其鄰居的特征向量以計(jì)算新的特征向量［16，18］。在聚合k次迭代之后，節(jié)點(diǎn)由其變換后的特征向量表示，該特征向量可以捕獲節(jié)點(diǎn)多跳鄰居附近的結(jié)構(gòu)信息，然后通過(guò)合并來(lái)獲得整個(gè)圖的表示［19］。文獻(xiàn)［20］證明，GNN 在識(shí)別同構(gòu)子圖方面具有與Weisfeiler-Leman（WL）檢測(cè)［21］相同的表達(dá)能力。相似實(shí)體通常具有相似的鄰域，這是GNN 實(shí)現(xiàn)不同知識(shí)圖譜之間實(shí)體對(duì)齊的理論基礎(chǔ)。

然而，現(xiàn)有基于GNN 的實(shí)體對(duì)齊模型依然面臨著一個(gè)關(guān)鍵問(wèn)題：由于不同的知識(shí)圖譜具有結(jié)構(gòu)異質(zhì)性［22］，因此對(duì)應(yīng)實(shí)體通常具有不同的鄰域結(jié)構(gòu)。解決此問(wèn)題的關(guān)鍵在于要減小不同知識(shí)圖譜實(shí)體鄰域結(jié)構(gòu)的異質(zhì)性。本文提出一種鄰域聚合匹配網(wǎng)絡(luò)（Neighborhood Aggregation Matching Network，NAMN）模型，旨在從實(shí)體鄰域角度對(duì)圖結(jié)構(gòu)信息進(jìn)行編碼以實(shí)現(xiàn)實(shí)體對(duì)齊，緩解結(jié)構(gòu)異質(zhì)性帶來(lái)的影響。

1 相關(guān)工作

1.1 基于知識(shí)圖譜嵌入的實(shí)體對(duì)齊

近年來(lái)，知識(shí)圖譜嵌入學(xué)習(xí)已成功應(yīng)用于實(shí)體對(duì)齊領(lǐng)域。當(dāng)前的處理方法是將不同的知識(shí)圖譜表示為嵌入，投影至同一向量空間，然后通過(guò)測(cè)量嵌入之間的相似性來(lái)進(jìn)行實(shí)體對(duì)齊。MTransE［10］是基于嵌入的多語(yǔ)言實(shí)體對(duì)齊模型，其使用TransE 模型學(xué)習(xí)兩個(gè)知識(shí)圖譜中實(shí)體的嵌入，然后學(xué)習(xí)連接兩個(gè)嵌入空間之間的映射函數(shù)，以實(shí)現(xiàn)實(shí)體對(duì)齊。IPTransE［11］和BootEA［12］是通過(guò)聯(lián)合嵌入進(jìn)行迭代的自我訓(xùn)練方法，其使用預(yù)對(duì)齊的實(shí)體種子對(duì)來(lái)進(jìn)行計(jì)算，并將迭代過(guò)程中新發(fā)現(xiàn)的實(shí)體對(duì)添加到訓(xùn)練數(shù)據(jù)集中，優(yōu)化對(duì)齊效果。JAPE［13］使用Skip-Gram方法，利用種子對(duì)齊方式將兩個(gè)知識(shí)圖譜的實(shí)體嵌入到統(tǒng)一的向量空間中，將結(jié)構(gòu)嵌入和屬性嵌入結(jié)合在一起找到相似實(shí)體。文獻(xiàn)［14］提出了一種RSN 方法，結(jié)合遞歸神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，RNN）和殘差學(xué)習(xí)，以有效地捕獲知識(shí)圖譜內(nèi)部和知識(shí)圖譜之間的長(zhǎng)期關(guān)系依賴性，優(yōu)化實(shí)體對(duì)齊效果。MultiKE［15］分別從名稱、屬性和結(jié)構(gòu)視圖中學(xué)習(xí)實(shí)體的表示形式，集成3 個(gè)特定的視圖嵌入組合策略以提高實(shí)體對(duì)齊性能，并使用預(yù)先訓(xùn)練好的詞嵌入來(lái)完善屬性值的學(xué)習(xí)。但是，以上方法需要足夠數(shù)量的種子對(duì)，成本較高，并且不同知識(shí)圖譜的結(jié)構(gòu)異質(zhì)性對(duì)知識(shí)圖譜的嵌入質(zhì)量也產(chǎn)生了很大的負(fù)面影響，導(dǎo)致對(duì)齊效果變差。

1.2 基于GNN 的實(shí)體對(duì)齊

與上述基于知識(shí)圖譜嵌入的方法不同，圖神經(jīng)網(wǎng)絡(luò)（GNN）使用圖結(jié)構(gòu)和節(jié)點(diǎn)特征來(lái)學(xué)習(xí)節(jié)點(diǎn)或整個(gè)圖的表示向量，遵循鄰域聚合策略，在圖學(xué)習(xí)方面取得了顯著進(jìn)步。因此，一些工作試圖將GNN 應(yīng)用在實(shí)體對(duì)齊方面以取得更好的對(duì)齊性能。GCN-Align［16］是一種基于GCN 的實(shí)體對(duì)齊模型，其利用GCN 將每個(gè)知識(shí)圖譜的實(shí)體嵌入統(tǒng)一的向量空間，傳播來(lái)自鄰居的信息，通過(guò)結(jié)構(gòu)知識(shí)進(jìn)行實(shí)體對(duì)齊。然而，GCN-Align 在訓(xùn)練過(guò)程中僅考慮實(shí)體之間的等效關(guān)系，沒(méi)有在知識(shí)圖譜中使用豐富的關(guān)系來(lái)區(qū)分共享鄰居的實(shí)體。R-GCN［17］模型考慮到節(jié)點(diǎn)之間的關(guān)系，解決了GCN 處理圖結(jié)構(gòu)中關(guān)系對(duì)節(jié)點(diǎn)的影響，其通過(guò)為每個(gè)關(guān)系設(shè)置轉(zhuǎn)換矩陣來(lái)進(jìn)一步合并關(guān)系類型信息，提高對(duì)齊效果。RDGCN［18］是一種新的關(guān)系感知雙圖卷積網(wǎng)絡(luò)，其通過(guò)構(gòu)建用于嵌入學(xué)習(xí)的對(duì)偶關(guān)系圖，使用門(mén)控機(jī)制捕獲鄰域結(jié)構(gòu)，緩解知識(shí)圖之間的異構(gòu)性，以學(xué)習(xí)更好的實(shí)體表示。R-GCN 模型和RDGCN 模型將預(yù)先對(duì)齊的實(shí)體和關(guān)系作為訓(xùn)練數(shù)據(jù)，這可能會(huì)導(dǎo)致昂貴的開(kāi)銷。AliNet［23］模型將門(mén)控機(jī)制和注意力機(jī)制結(jié)合在一起，以聚合多跳鄰域來(lái)整合GCN，從而減少圖異構(gòu)性對(duì)實(shí)體對(duì)齊的影響，達(dá)到更好的對(duì)齊效果。然而，AliNet 在匯總信息時(shí)將實(shí)體的所有一跳鄰居同等對(duì)待，在沒(méi)有仔細(xì)選擇的情況下引入了噪聲，影響了實(shí)體對(duì)齊性能。

2 NAMN 模型設(shè)計(jì)

2.1 基礎(chǔ)知識(shí)

2.1.1 知識(shí)圖譜的實(shí)體對(duì)齊

本文將知識(shí)圖譜形式表示為Gi=(Ei，Ri，Ti)，其中，Ei、Ri、Ti分別表示為Gi中實(shí)體、關(guān)系和三元組的集合。Ne={e'|(e，r，e')∈T}∪{e'|(e'，r，e)∈T}是Gi中實(shí)體e的鄰居集。對(duì)齊的實(shí)體對(duì)形式化表示為A={(e1，e2)∈E1×E2|e1?e2}，其中，?表示等價(jià)關(guān)系，即e1和e2所表示的為真實(shí)世界中相同的實(shí)體。實(shí)體對(duì)齊的任務(wù)就是找到G1和G2之間的等效實(shí)體對(duì)。為方便起見(jiàn)，本文將G1和G2放到一個(gè)大圖中，即G=G1+G2，R=R1∪R2，T=T1∪T2，實(shí)體的總個(gè)數(shù)n=|E1|+|E2|。

2.1.2 圖神經(jīng)網(wǎng)絡(luò)

GNN 通過(guò)遞歸聚合其鄰居的特征向量來(lái)學(xué)習(xí)節(jié)點(diǎn)表示，不同的聚合策略產(chǎn)生了GNN 的不同變體，其中的一種變體vanilla GCN［24］在第l（l≥1）層處的節(jié)點(diǎn)i的隱藏表示為，如式（1）所示：

2.1.3 遠(yuǎn)距離鄰居選擇

為了減少鄰域信息所帶來(lái)的非同構(gòu)影響，本文方法引入遠(yuǎn)距離鄰居。如圖1 所示，兩個(gè)中心實(shí)體對(duì)（a，A）的一跳鄰居不同，只包含對(duì)等實(shí)體對(duì)（b，B）和（c，C），而a的一跳鄰居d和A的遠(yuǎn)距離鄰居D對(duì)應(yīng)，A的一跳鄰居E和F與a的遠(yuǎn)距離鄰居e和f對(duì)應(yīng)。如果可以將遠(yuǎn)距離鄰居e和f包含在a的鄰域聚合中，并且也將A的遠(yuǎn)距離鄰居D考慮在內(nèi)，那么GNN 將會(huì)學(xué)習(xí)到更多關(guān)于a和A的相似表示。但是，并非所有的遠(yuǎn)距離鄰居都有積極貢獻(xiàn)，因此，本文引入注意力機(jī)制，旨在找到對(duì)中心實(shí)體有積極貢獻(xiàn)的遠(yuǎn)距離鄰域。

圖1 遠(yuǎn)距離鄰居選擇示例Fig.1 Example of selecting long-distance neighbors

2.1.4 圖匹配

通過(guò)圖的結(jié)構(gòu)信息來(lái)度量?jī)蓚€(gè)圖的相似性，進(jìn)而估計(jì)G1和G2描述的為同一實(shí)體的可能性。在近期研究中，圖匹配網(wǎng)絡(luò)（GMN）［25］引入跨圖關(guān)注機(jī)制對(duì)圖進(jìn)行聯(lián)合推理，以區(qū)分跨圖的節(jié)點(diǎn)并識(shí)別差異，計(jì)算兩個(gè)圖之間的相似度得分。受GMN 模型的啟發(fā)，本文也采用一跨圖鄰域匹配模塊來(lái)識(shí)別兩個(gè)實(shí)體鄰域節(jié)點(diǎn)之間的差異。

2.1.5 距離函數(shù)

對(duì)于不同實(shí)體之間的相似性，通常采用計(jì)算實(shí)體之間的距離來(lái)度量，而計(jì)算距離的方法會(huì)直接關(guān)系到對(duì)齊的效果。表1 中列舉了一些常見(jiàn)的距離函數(shù)。

表1 常見(jiàn)的距離函數(shù)Table 1 Common distance functions

2.2 NAMN 模型框架

為了緩解鄰域異質(zhì)性對(duì)實(shí)體對(duì)齊產(chǎn)生的影響，NAMN 模型利用GNN 對(duì)圖結(jié)構(gòu)信息進(jìn)行建模，采用分層的思想對(duì)鄰域信息進(jìn)行區(qū)別處理。首先，對(duì)于一跳鄰居進(jìn)行全部采樣，對(duì)于二跳及以上鄰居，采用注意力機(jī)制進(jìn)行局部采樣；然后，引入門(mén)控機(jī)制對(duì)實(shí)體的k-hop 鄰居信息進(jìn)行聚合，以挖掘圖結(jié)構(gòu)的隱藏信息；在此基礎(chǔ)上，考慮到實(shí)體一跳鄰居結(jié)構(gòu)異質(zhì)性的影響，為每個(gè)實(shí)體提取一個(gè)可區(qū)分的鄰域，構(gòu)建鄰域局部子圖進(jìn)行跨圖鄰域匹配，將匹配階段的輸出與通過(guò)門(mén)控機(jī)制所學(xué)習(xí)的圖結(jié)構(gòu)表示進(jìn)行聯(lián)合編碼，以生成面向匹配的實(shí)體表示；最后，對(duì)于面向匹配的實(shí)體表示，使用距離函數(shù)進(jìn)行實(shí)體的對(duì)齊預(yù)測(cè)。NAMN 模型框架如圖2 所示，在不失一般性的情況下，該圖展示了一跳和二跳鄰居信息的情況。NAMN 遵循3 個(gè)階段的處理流程，即門(mén)控鄰域聚合、鄰域匹配和對(duì)齊預(yù)測(cè)。

2.3 門(mén)控鄰域聚合

按照每跳鄰居對(duì)中心實(shí)體的重要性可知，實(shí)體的一跳鄰居是最重要的鄰域。本文使用vanilla GCN聚合實(shí)體的鄰居信息，學(xué)習(xí)知識(shí)圖譜結(jié)構(gòu)嵌入。首先，使用預(yù)訓(xùn)練的詞嵌入［26］來(lái)初始化GCN 的方法。將兩個(gè)知識(shí)圖譜G1=(E1，R1，T1)和G2=(E2，R2，T2)作為NAMN 模型的輸入，使用式（1）來(lái)更新節(jié)點(diǎn)表示。為控制噪聲的影響，還引入highway networks［27］方法，以避免噪聲在GNN 層之間傳播。

對(duì)于二跳鄰居，若再直接采用GNN 層來(lái)聚合，會(huì)導(dǎo)致更多的噪聲信息。為找到對(duì)中心實(shí)體有積極貢獻(xiàn)的遠(yuǎn)距離鄰域，本文引入注意力機(jī)制［23］來(lái)計(jì)算實(shí)體ei的二跳鄰居信息（表示為），如式（2）所示：

其中：N2(·)代表的是實(shí)體的二跳鄰居集合；W2是可訓(xùn)練的權(quán)重矩陣；βia是中心實(shí)體i與鄰居a的一個(gè)可學(xué)習(xí)的注意力權(quán)重。

為進(jìn)一步聚合鄰域信息，使用門(mén)控機(jī)制將鄰域信息結(jié)合在一起，以挖掘?qū)嶓wei的隱藏表示：

對(duì)于two-hop鄰域聚合，本文引入注意力權(quán)重βia以突出重要鄰居。圖注意力網(wǎng)絡(luò)（Graph Attention Network，GAT）［28］是在實(shí)體中采用共享的線性變換，但是卻忽略了中心實(shí)體和鄰居之間可能完全不同，這種共享的轉(zhuǎn)換會(huì)導(dǎo)致無(wú)法正確區(qū)分。為此，本文分別使用兩個(gè)矩陣M1和M2對(duì)中心實(shí)體和鄰居進(jìn)行線性變換［23］。形式上，中心實(shí)體i和鄰居a之間的注意力權(quán)重計(jì)算方法如式（5）所示：

其中：p、M1和M2為可訓(xùn)練的參數(shù)；||表示級(jí)聯(lián)；cia是衡量ei和ea重要性的注意力權(quán)重；attn(·)是注意力函數(shù)。在此基礎(chǔ)上，使用softmax(·)函數(shù)進(jìn)行標(biāo)準(zhǔn)化處理，以使其在不同實(shí)體之間具有可比性，從而有效地編碼實(shí)體名稱的語(yǔ)義信息：

將兩個(gè)知識(shí)圖譜G1=(E1R1T1)和G2=(E2R2T2)作為NAMN 模型的輸入，使用式（1）來(lái)更新節(jié)點(diǎn)表示。為控制噪聲的影響，還引入highway networks［27］方法，以避免噪聲GNN 層之間傳播。

2.4 鄰域匹配

2.4.1 鄰域局部子圖構(gòu)建

實(shí)體的一跳鄰居是決定該實(shí)體與其他實(shí)體是否對(duì)齊的關(guān)鍵，但是并非所有的一跳鄰居都對(duì)實(shí)體對(duì)齊有著積極的影響。為此，本文引入局部子圖，應(yīng)用向下采樣過(guò)程（down-sampling process），旨在選擇對(duì)中心實(shí)體信息量最大的一跳鄰居。對(duì)于每個(gè)實(shí)體對(duì)(ei，ej)，如果ei和ej有關(guān)系（例如r）直接連接，在局部子圖中為其對(duì)應(yīng)節(jié)點(diǎn)添加一有向邊，但只保留r的方向。

為了選擇合適的鄰居，采用鄰里采樣策略［29］。給定實(shí)體ei，對(duì)其一跳鄰居ei_1進(jìn)行采樣的概率如式（7）所示：

其中：W3是共享的權(quán)重矩陣；Ni是中心實(shí)體ei的一跳鄰居集；hi和hi_1分別是中心實(shí)體ei和一跳鄰居ei_1通過(guò)式（1）計(jì)算的學(xué)習(xí)嵌入表示。

2.4.2 跨圖鄰域匹配

確定對(duì)中心實(shí)體應(yīng)考慮的鄰居之后，也即產(chǎn)生了鄰域局部子圖。在跨圖鄰域匹配過(guò)程中，為減少匹配開(kāi)銷，首先進(jìn)行的為候選人的選擇。計(jì)算G1中的實(shí)體ei與G2中的所有實(shí)體{e2}在其表示空間中的相似性，找到G2在嵌入空間中最接近ei的實(shí)體，作為候選者，計(jì)算公式如式（8）～式（9）所示：

其中：sh是向量空間相似性度量，如Euclidean 或cosine；αij是注意力權(quán)重；p(hj|hi)為G2中的實(shí)體ej被采樣為ei候選者的概率。

在鄰域匹配模塊中，G1和G2疊加在一起作為一個(gè)大的輸入圖，引入一匹配向量來(lái)計(jì)算G1中的實(shí)體鄰域和G2中所有實(shí)體的匹配程度［25］。形式上，令(ei，)為要測(cè)量的實(shí)體對(duì)，其中ei∈E1，而∈E2為候選者之一，設(shè)定x和y分別是ei和的兩個(gè)鄰居，得到鄰居x的匹配向量mx：

然后，將鄰居x的輸出嵌入與匹配向量相結(jié)合：

其中：τ是超參。此處，匹配向量mx可以區(qū)分兩個(gè)鄰居之間的差異。當(dāng)兩個(gè)鄰居表示相似時(shí)，mx趨向于零向量；當(dāng)鄰居表示不同時(shí)，匹配向量mx將會(huì)變大。

其中：Wgate和WN分別是可學(xué)習(xí)的門(mén)控制矩陣和共享矩陣；是采樣的鄰居集。

2.5 對(duì)齊預(yù)測(cè)

對(duì)于最終生成的面向匹配的實(shí)體表示hmatch，可以簡(jiǎn)單地通過(guò)測(cè)量?jī)蓚€(gè)實(shí)體之間的距離來(lái)判定兩個(gè)實(shí)體是否應(yīng)該對(duì)齊：

其中：||·||1表示L1范數(shù)。將基于邊際的排名損失函數(shù)作為NAMN 模型的目標(biāo)：

其中：c和v、Dc和Dv組成負(fù)樣本的候選 集R={(c'，v')|(c'=c∩v'∈Dc)∪(v'=v∩c'∈Dv)}；Z是候選的種子集；α是平衡的超參數(shù)。本文目標(biāo)是使對(duì)齊的實(shí)體具有很小的距離，未對(duì)齊實(shí)體表示具有較大的距離，即負(fù)樣本的距離應(yīng)該大于λ，也即d(c'，v')>λ。

此外，使用Adam 優(yōu)化器［31］對(duì)目標(biāo)進(jìn)行優(yōu)化，通過(guò)Xavier 初始化［11］對(duì)所有可學(xué)習(xí)的參數(shù)（包括實(shí)體的輸入特征向量）進(jìn)行初始化。

3 實(shí)驗(yàn)

3.1 數(shù)據(jù)集

為了評(píng)估NAMN 模型性能，參考最近的研究［12，32］，本文使用大型數(shù)據(jù)集DBpedia［33］下的子集DBP15K 作為實(shí)驗(yàn)數(shù)據(jù)進(jìn)行驗(yàn)證。這些數(shù)據(jù)集包括3 個(gè)跨語(yǔ)言數(shù)據(jù)集，分別是英語(yǔ)、中文、日語(yǔ)和法語(yǔ)的不同語(yǔ)言版本，即DBP15KZH-EN（中文-英語(yǔ)）、DBP15KJA-EN（日語(yǔ)-英語(yǔ)）、DBP15KFR-EN（法語(yǔ)-英語(yǔ)），每個(gè)數(shù)據(jù)集由15 000 個(gè)對(duì)齊的實(shí)體對(duì)和約40 萬(wàn)個(gè)三元組組成。3 個(gè)數(shù)據(jù)集的詳細(xì)信息如表2 所示。

表2 數(shù)據(jù)集統(tǒng)計(jì)Table 2 Data set statistics

3.2 評(píng)估指標(biāo)與參數(shù)設(shè)置

按照慣例，將數(shù)據(jù)集的30%作為訓(xùn)練數(shù)據(jù)，剩下的70%用作測(cè)試數(shù)據(jù)。在以下超參數(shù)中進(jìn)行搜索：學(xué)習(xí)率Rlearning_rate={0.001，0.005，0.01}，τ={0.1，0.2，…，0.5}，α={0.01，0.05，…，0.1，0.2}，λ={1.5，1.4，…，1.0}，每層的隱藏層層數(shù)L={1，2，3，4}，維度為{100，200，300，400，500}，最終實(shí)驗(yàn)設(shè)置如表3 所示。此外，本文設(shè)置候選人的大小為20個(gè)，并為每個(gè)預(yù)先對(duì)齊的實(shí)體對(duì)抽取10個(gè)負(fù)樣本，以簡(jiǎn)化訓(xùn)練。

表3 參數(shù)設(shè)置Table 3 Parameters setting

對(duì)于評(píng)估指標(biāo)，使用Hits@K和平均倒數(shù)排名（Mean Reciprocal Rank，MMR）評(píng)估對(duì)齊性能。Hits@K通過(guò)排名在前K個(gè)的正確對(duì)齊實(shí)體的比例來(lái)進(jìn)行計(jì)算，MRR 是指所有正確實(shí)體的平均倒數(shù)排名。這兩個(gè)指標(biāo)值越高，表明實(shí)體對(duì)齊模型效果越好。

3.3 對(duì)比方法與實(shí)驗(yàn)結(jié)果

本文將NAMN 模型與最近提出的基于嵌入的實(shí)體對(duì)齊模型進(jìn)行比較，并將其分為2 類：1）基于嵌入的模型，如MTransE、IPTransE、JAPE、BootEA 和RSN；2）基于圖的模型，如GCN-Align 和RDGCN。同時(shí)，引入近期考慮到知識(shí)圖譜鄰域異質(zhì)性的兩個(gè)最新成果進(jìn)行比較，即MuGNN 和AliNet 模型。

表4 列出了在DBP15K 數(shù)據(jù)集上所有方法的實(shí)體對(duì)齊性能。實(shí)驗(yàn)結(jié)果表明，NAMN 明顯優(yōu)于3 個(gè)數(shù)據(jù)集上的所有基線模型。NAMN 模型可以實(shí)現(xiàn)Hits@1的所有值均高于75%，Hits@10 的所有值均高于85%，MRR 的所有值均不低于80%，這進(jìn)一步證實(shí)了本文方法的有效性。具體來(lái)說(shuō)，在基于嵌入模型中，BootEA模型表現(xiàn)最佳，通過(guò)引導(dǎo)過(guò)程可以從更多訓(xùn)練實(shí)例中受益。對(duì)于僅考慮結(jié)構(gòu)信息的基于GNN 的模型，RDGCN 明顯優(yōu)于其他模型，這是因?yàn)镽DGCN 模型考慮從鄰域結(jié)構(gòu)入手，緩解了結(jié)構(gòu)異質(zhì)性所帶來(lái)的影響，體現(xiàn)出解決結(jié)構(gòu)異質(zhì)性的重要性。

表4 不同實(shí)體對(duì)齊方法性能比較Table 4 Performance comparison of different entity alignment methods %

為進(jìn)一步證明NAMN 模型的有效性，在DBP15K 的另外3 個(gè)數(shù)據(jù)集上進(jìn)行對(duì)比實(shí)驗(yàn)。這3 個(gè)數(shù)據(jù)集分別是DBP15KEN-ZH（英語(yǔ)-中文），DBP15KEN-JA（英語(yǔ)-日語(yǔ)），DBP15KEN-FR（英語(yǔ)-法語(yǔ)），實(shí)體對(duì)齊的結(jié)果比對(duì)如表5 所示。可以看出，所有模型的性能都有所下降，但NAMN 模型明顯優(yōu)于另外3 個(gè)模型，NAMN 模型的Hits@1 的值要高于另外3 個(gè)模型約30%以上，其中，在DBP15KEN-FR數(shù)據(jù)集中Hits@1 達(dá)到了最高，充分證明了NAMN 模型的有效性和魯棒性。

表5 實(shí)體對(duì)齊結(jié)果比較Table 5 Comparison of entity alignment results %

為更直觀地表現(xiàn)NAMN 模型的性能，在DBP15K 數(shù)據(jù)集上，采用Hits@1 到Hits@50 以10 為步長(zhǎng)的多個(gè)基準(zhǔn)進(jìn)行比較，選擇JAPE、GCN-Align和AliNet 作為對(duì)比模型，具體如圖3 所示，其中橫坐標(biāo)為Hits@K。可以看出：NAMN 模型的Hits@K值均高于其他模型，在DBP15KJA-EN和DBP15KFR-EN上都取得了最高的得分；AliNet 模型的Hits@K值在K取20 之后，得分接近NAMN 模型，說(shuō)明緩解實(shí)體鄰域結(jié)構(gòu)的異質(zhì)性有利于實(shí)體對(duì)齊，但AliNet 模型的Hits@1 明顯低于NAMN 模型，說(shuō)明NAMN 模型具有更好的對(duì)齊性能。

圖3 DBP15K 數(shù)據(jù)集上Hits@K 得分結(jié)果比較Fig.3 Comparison of Hits@K score results on DBP15K dataset

3.4 結(jié)果分析

NAMN 模型使用門(mén)控機(jī)制和鄰域采樣策略來(lái)實(shí)現(xiàn)實(shí)體對(duì)齊，因此，分別對(duì)這兩個(gè)策略進(jìn)行分析。

將NAMN模型在DBP15K數(shù)據(jù)集上采用隨機(jī)采樣策略來(lái)進(jìn)行比較，具體結(jié)果如圖4所示。可以看出，NAMN模型可以提供更好的結(jié)果，本文的采樣策略可以有效地選擇信息量更大的鄰居。對(duì)DBP15K數(shù)據(jù)集，兩個(gè)模型均可達(dá)到性能平穩(wěn)狀態(tài)，當(dāng)采樣大小為3時(shí)，兩個(gè)模型的性能更高。但隨著采樣大小的增大，性能會(huì)有所下降，說(shuō)明較大的采樣會(huì)引入更多的噪聲。

圖4 DBP15K 數(shù)據(jù)集上鄰域抽樣策略與隨機(jī)采樣策略的結(jié)果比較Fig.4 Result comparison of neighborhood sampling strategy and random sampling strategy on DBP15K dataset

在聚合多跳鄰居方面，本文使用不同的策略來(lái)設(shè)計(jì)NAMA 的不同變體。變體1（NAMN-1）將實(shí)體的一跳和二跳鄰居平等對(duì)待，使用GNN 層直接聚合鄰居信息；變體2（NAMN-2）用加法運(yùn)算符替換門(mén)控機(jī)制；變體3（NAMN-3）用GAT 來(lái)替換本文所用的注意力機(jī)制。由表6 可以看出：NAMN-1 的實(shí)驗(yàn)結(jié)果很差，這表明使用GNN 層來(lái)直接聚合二跳鄰居會(huì)引入很多的噪聲信息，嚴(yán)重影響對(duì)齊性能；NAMN-2 的實(shí)驗(yàn)結(jié)果較差，這表明加法機(jī)制只是簡(jiǎn)單的將鄰居信息結(jié)合，并不會(huì)像門(mén)控機(jī)制那樣選擇性地組合各個(gè)維度上的鄰居信息表示；NAMN-3 的實(shí)驗(yàn)結(jié)果比NAMN 略差，這表明本文所用注意力機(jī)制能夠優(yōu)化對(duì)齊效果。因此，對(duì)于遠(yuǎn)距離鄰居選擇，門(mén)控機(jī)制和注意力機(jī)制至關(guān)重要。

表6 NAMN 不同變體對(duì)齊結(jié)果比較Table 6 Comparison of alignment results of different variants of NAMN %

在DBP15K 數(shù)據(jù)集上1～4 層的AliNet 實(shí)驗(yàn)結(jié)果如圖5 所示，其中橫坐標(biāo)為AliNet 的層數(shù)?？梢钥闯觯寒?dāng)AliNet 的層數(shù)為2 時(shí)，所有指標(biāo)達(dá)到了最佳性能；當(dāng)AliNet 具有更多層時(shí)，其性能也會(huì)下降。

圖5 DBP15K 數(shù)據(jù)集上不同AliNet 層數(shù)的實(shí)驗(yàn)結(jié)果比較Fig.5 Experimental result comparison of different AliNet layers on DBP15K dataset

4 結(jié)束語(yǔ)

為提高實(shí)體對(duì)齊的準(zhǔn)確性，本文提出鄰域聚合匹配網(wǎng)絡(luò)（NAMN）模型。從實(shí)體鄰域角度出發(fā)，通過(guò)門(mén)控鄰域聚合、鄰域匹配和對(duì)齊預(yù)測(cè)3 個(gè)階段判定實(shí)體是否對(duì)齊，解決知識(shí)圖譜間普遍存在的結(jié)構(gòu)異質(zhì)性問(wèn)題。實(shí)驗(yàn)結(jié)果表明，在DBP15K 數(shù)據(jù)集上，該模型的Hits@K指標(biāo)達(dá)到75%以上。后續(xù)將利用實(shí)體的語(yǔ)義信息和關(guān)系的映射屬性提高實(shí)體對(duì)齊的準(zhǔn)確度，并進(jìn)一步改進(jìn)鄰域的匹配策略，降低模型的復(fù)雜度，從而擴(kuò)大模型的應(yīng)用范圍。