计算机工程

作者：王志宝, 江树涛, 李菲, 高俊涛, 马强, 杨彬

单位：1. 东北石油大学计算机与信息技术学院, 黑龙江 大庆 1633182. 东北石油大学环渤海能源研究院, 河北 秦皇岛 0660043. 黑龙江八一农垦大学信息与电气工程学院, 黑龙江 大庆 163319

关键词：实体对齐,多邻域感知,图注意力网络,石油领域数据资产,知识图谱

基金：黑龙江省高等教育教学改革项目(SJGY20200125); 中石化科技攻关项目(33550000-20-ZC0613-0098)

实体对齐在自动融合多源异构的石油领域数据资产知识图谱过程中起着至关重要的作用。目前主流基于图神经网络的实体对齐模型多关注实体和图结构的信息，忽略了实体之间的关系、属性与属性值等多邻域的语义信息，在命名规则差异性大、行业特殊、语义实体多的石油领域数据资产知识图谱融合过程中性能一般。提出一种基于图注意力网络改进的多邻域感知网络（MNAN）模型，用于实体对齐。使用基于BERT的多语言预训练模型得到实体及多邻域的初始特征，通过带有Highway Networks的图卷积神经网络聚合邻域实体与图结构特征，利用多邻域感知和实体增强注意力网络聚合实体的多邻域特征，使用最小化基于边际的损失函数训练模型。在石油领域数据资产知识图谱数据集中的2个知识图谱上进行实体对齐实验，实验结果表明，MNAN模型优于所有对比的基于图神经网络实体对齐模型，Hits@1值达86.7%，优于表现最好的对比模型约2.3个百分点。

来源：2024年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第1期