近日,人工智能领域国际学术会议IJCAI 2022(人工智能领域顶级国际学术会议之一)发布了论文录用结果(https://ijcai-22.org/main-track-accepted-papers/),红足1世官网蒋运承教授指导的软件工程专业博士生蔡伟珊同学的论文“Entity Alignment with Reliable Path Reasoning and Relation-aware Heterogeneous Graph Transformer”被该会议接收,这是红足1世官网学生研究成果首次获得人工智能领域顶级国际学术会议认可。
IJCAI(International Joint Conference on Artificial Intelligence),即国际人工智能联合会议,是人工智能领域中最重要的学术会议之一,每年吸引全球学术界和企业界逾千人参加。中国计算机学会(CCF)推荐国际学术会议目录将IJCAI列为人工智能领域A类会议。第31届IJCAI 2022将与第25届ECAI一起于7月23日至7月29日在奥地利维也纳举行。本届大会共收到来自全球的4535篇论文,经过两阶段的严格筛选,最终约15%的论文被会议方录用。
论文介绍
论文题目:Entity Alignment with Reliable Path Reasoning and Relation-aware Heterogeneous Graph Transformer(基于可靠路径推理和关系感知异质Transformer的实体对齐方法)
作者:蔡伟珊, 马文俊, 詹捷宇, 蒋运承
通讯作者:蒋运承教授
论文概述:随着融合多语言和多知识源信息的知识图谱成为推荐系统、智能问答、搜索引擎、知识推理等众多人工智能应用的重要知识来源,学术界和工业界对知识图谱的兴趣也呈爆炸式增长。实体对齐(EA)是从不同知识图谱中寻找具有相同含义的实体,是知识图谱知识融合的一个重要任务。众所周知,知识图谱中实体之间存在大量的多级关系路径,表示实体之间的语义关系。然而,现有EA方法很少考虑路径信息,因为并非所有的自然路径信息都有利于EA任务的判断。因此,本文提出了一种更有效的实体对齐框架RPR-RHGT,它集成了关系和路径结构信息以及知识图谱的异质信息:论文首先提出了一种可靠路径推理算法(RPR),用于从知识图谱的关系结构中生成有利于EA任务的路径结构;其次,为了有效地捕获实体邻域中的异质特征,论文设计了一个基于关系感知的异质Transformer模型(RHGT)来对知识图谱的关系结构和路径结构进行建模;最后,在三个被广泛使用的数据集上的实验结果表明,RPR-RHGT的性能显著优于11种最先进的EA方法,在重要评估指标Hits@1上超过性能最好的基线方法高达8.62%。
RPR-RHGT框架图