实体
entity alignment
entity alignment
PulseAugur coverage of entity alignment — every cluster mentioning entity alignment across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的IRIS框架利用LLM改进知识图谱间的实体对齐
研究人员开发了IRIS，一个旨在改进知识图谱间实体对齐的新框架。这种无需训练的方法利用冻结的大型语言模型为每个实体生成独特的身份表示，即“签名”。这些签名源自内部状态并捕捉独特的身份特征，允许在不同知识图谱之间直接进行相似性比较，而无需依赖成对的表示构建或重复的LLM推理。IRIS在既有基准测试中表现出高性能，在D-Y-15K V2和DBP-WIKI等数据集上取得了接近满分的分数。
-
新方法融合图与文本进行专利实体对齐
本文介绍了一种新颖的科技专利知识图谱实体对齐方法。该方法利用图卷积网络结合BERT模型，融合了图的结构信息以及专利名称和描述等文本属性。这种多信息融合旨在提高实体对齐的准确性，在基准数据集上的表现优于现有方法（根据Hits@K评估指标）。
-
新方法改进实体对齐以实现知识图谱集成
研究人员开发了新的知识图谱（KGs）实体对齐方法，以改进大型语言模型（LLMs）的异构数据源集成。提出的技术包括用于创建感知谓词的实体嵌入的谓词重要性估计（PIE）和用于训练小型语言模型的解耦推理-分数蒸馏（DRSD）。PIE使用可学习的谓词重要性权重对无主语三元组进行编码，而DRSD则使用教师LLM为学生SLM生成伪答案，将置信度估计与推理生成分离开来。实验表明，这些方法增强了实体对齐分类能力，并实现了实用的差异标记以供人工审查。