[论文解读] LargeEA: Aligning Entities for Large-scale Knowledge Graphs

Congcong Ge, Xiaoze Liu+3 more|arXiv (Cornell University)|Aug 11, 2021

Advanced Graph Neural Networks参考文献 52被引用 9

一句话总结

LargeEA 提出了一种可扩展的框架，通过结合基于结构的特征学习与基于名称的特征学习，实现大规模知识图谱中的实体对齐。它使用 METIS-CPS 实现内存高效的迷你批次生成，并提出一种新颖的名称特征融合（NFF）方法，结合数据增强技术，无需人工标注即可生成高质量的种子对齐，在新的大规模基准 DBP1M 上达到最先进性能。

ABSTRACT

Entity alignment (EA) aims to find equivalent entities in different knowledge graphs (KGs). Current EA approaches suffer from scalability issues, limiting their usage in real-world EA scenarios. To tackle this challenge, we propose LargeEA to align entities between large-scale KGs. LargeEA consists of two channels, i.e., structure channel and name channel. For the structure channel, we present METIS-CPS, a memory-saving mini-batch generation strategy, to partition large KGs into smaller mini-batches. LargeEA, designed as a general tool, can adopt any existing EA approach to learn entities' structural features within each mini-batch independently. For the name channel, we first introduce NFF, a name feature fusion method, to capture rich name features of entities without involving any complex training process. Then, we exploit a name-based data augmentation to generate seed alignment without any human intervention. Such design fits common real-world scenarios much better, as seed alignment is not always available. Finally, LargeEA derives the EA results by fusing the structural features and name features of entities. Since no widely-acknowledged benchmark is available for large-scale EA evaluation, we also develop a large-scale EA benchmark called DBP1M extracted from real-world KGs. Extensive experiments confirm the superiority of LargeEA against state-of-the-art competitors.

研究动机与目标

• 解决现有实体对齐（EA）方法在应用于包含数百万实体的真实世界知识图谱时面临的可扩展性限制。
• 开发一种在单张 GPU 上高效运行的框架，通过将大型知识图谱划分为可管理的迷你批次，同时不牺牲结构完整性。
• 通过基于名称的数据增强自动生成高质量种子对齐，实现无监督实体对齐，消除对人工标注种子的依赖。
• 构建一个真实、大规模的基准（DBP1M），用于评估 EA 方法在接近真实世界知识图谱规模的数据上的表现。

提出的方法

• 提出 METIS-CPS，一种节省内存的迷你批次生成策略，可在保持结构完整性的同时，将大型知识图谱划分为更小的、结构保留的迷你批次，并确保对应实体被分在同一组中。
• 提出 NFF（名称特征融合），一种轻量级方法，无需复杂训练即可提取丰富的字符串级和语义级名称特征，利用预训练嵌入和字符串相似度。
• 采用基于名称的数据增强技术，通过在不同知识图谱中匹配相似的实体名称，自动生成伪种子对齐，在 DBP1M 上达到 93.85%–93.86% 的准确率。
• 融合独立于每个迷你批次学习的结构特征与通过 NFF 提取的名称特征，生成最终的实体对齐预测结果。
• 设计一种通用框架，可将任何现有的基于结构的 EA 模型集成到其结构通道中。
• 构建 DBP1M，一个源自真实世界知识图谱（如 YAGO3）的大规模 EA 基准，每个知识图谱最多包含 100 万个实体，用于评估可扩展性和性能。

实验结果

研究问题

• RQ1 能否在单 GPU 设置下，有效将实体对齐扩展到包含超过 100 万个实体的大规模知识图谱？
• RQ2 如何在确保对应实体被分在同一迷你批次的同时，保持知识图谱的结构完整性？
• RQ3 基于名称的数据增强能否在无需人工标注的情况下生成高质量的种子对齐？其在无监督 EA 中的效果如何？
• RQ4 与仅依赖结构的方法相比，结构特征与基于名称的特征融合在大规模数据上是否能显著提升对齐准确率？
• RQ5 是否有必要构建一个新的大规模基准，以在现有小规模基准之外，公平评估实体对齐方法？

主要发现

• LargeEA 在新提出的 DBP1M 基准上达到最先进性能，展示了在大规模知识图谱中卓越的可扩展性和准确性。
• 基于名称的数据增强策略在 DBP1M EN-FR 和 EN-DE 上分别自动生成了 528,040 和 476,527 个种子对齐，准确率分别为 93.86% 和 93.85%。
• LargeEA 在无监督设置下（使用自动生成的种子）的性能与使用标准黄金种子的有监督方法相当。
• METIS-CPS 在保持图结构的同时，实现了对大规模 KG 的高效迷你批次处理，并显著降低了内存开销。
• NFF 的集成实现了无需额外训练的鲁棒名称特征提取，以极低的计算成本显著提升了对齐质量。
• 大量实验表明，LargeEA 在小规模和大规模基准上均优于现有最先进方法，尤其在可扩展性和真实世界适用性方面表现突出。