10.3969/j.issn.2095-4107.2023.03.008
基于图卷积神经网络的石油数据资产知识图谱实体对齐方法
在石油数据资产知识图谱融合过程中存在命名规则差异性大、专业性强和特殊语义问题.提出基于图卷积神经网络的石油数据资产知识图谱(KG)实体对齐方法,给定一组预先对齐的实体种子,采用 Graph Convolutional Net-works(GCNS)网络学习实体结构和属性信息嵌入统一向量空间,计算空间中实体之间距离;在石油数据资产数据集中对两个KGs进行实体对齐实验.结果表明:基于GCN 融合实体关系和属性的嵌入模型优于基于实体关系的 TransE实体对齐模型,Hits@1 最高为 16.96%,比 TransE实体对齐模型平均提升 6.18%.基于图卷积神经网络的融合实体关系、属性和属性值的实体对齐方法适用于石油数据资产知识管理.
石油数据资产知识图谱、实体对齐、GCN模型、TransE模型、实体嵌入向量、属性嵌入向量、相似度距离
47
TP391.7(计算技术、计算机技术)
中国石油冀东油田分公司科技攻关项目JDYT-2020-JS-50311
2023-08-07（万方平台首次上网日期，不代表论文的发表时间）
共10页
79-88
