[论文解读] EAGER: Embedding-Assisted Entity Resolution for Knowledge Graphs

Daniel Obraczka, Jonathan Schuchart+1 more|arXiv (Cornell University)|Jan 15, 2021

Data Quality and Management参考文献 39被引用 4

一句话总结

EAGER 是一种新颖的、有监督的知识图谱实体消歧系统，通过机器学习分类器结合图嵌入与属性相似性。它在深层知识图谱上显著优于最先进方法，通过在统一学习框架中融合结构特征与基于属性的特征，实现具有统计显著性的性能提升。

ABSTRACT

Entity Resolution (ER) is a constitutional part for integrating different knowledge graphs in order to identify entities referring to the same real-world object. A promising approach is the use of graph embeddings for ER in order to determine the similarity of entities based on the similarity of their graph neighborhood. The similarity computations for such embeddings translates to calculating the distance between them in the embedding space which is comparatively simple. However, previous work has shown that the use of graph embeddings alone is not sufficient to achieve high ER quality. We therefore propose a more comprehensive ER approach for knowledge graphs called EAGER (Embedding-Assisted Knowledge Graph Entity Resolution) to flexibly utilize both the similarity of graph embeddings and attribute values within a supervised machine learning approach. We evaluate our approach on 23 benchmark datasets with differently sized and structured knowledge graphs and use hypothesis tests to ensure statistical significance of our results. Furthermore we compare our approach with state-of-the-art ER solutions, where our approach yields competitive results for table-oriented ER problems and shallow knowledge graphs but much better results for deeper knowledge graphs.

研究动机与目标

• 解决异构知识图谱中存在多种实体类型、模式不匹配以及属性表示方式各异所带来的实体消歧挑战。
• 克服现有实体消歧方法严重依赖模式匹配或在复杂、深层知识图谱上表现不佳的局限性。
• 开发一种通用的、与模式无关的实体消歧系统，有效整合基于结构的（图嵌入）与基于属性的相似性信号。
• 评估在多样化的真实世界知识图谱数据集上，结合嵌入与属性的可行性和效率。
• 基于 23 个大小与结构各异的知识图谱数据集（包括新的电影领域数据），建立知识图谱实体消歧的基准。

提出的方法

• EAGER 采用图嵌入技术——特别是先前研究中表现最佳的方法（如 TransE、node2vec、DeepWalk）——将实体编码为低维向量空间，以捕捉拓扑与语义关系。
• 通过归一化并比较实体之间的值，提取属性相似性，包括使用标准相似性函数处理字符串、日期和数值属性。
• 将基于嵌入的特征与基于属性的特征合并为每个实体对的单一特征向量。
• 使用有监督的机器学习分类器（如多层感知机、随机森林、XGBoost）对已标注的实体对进行训练，以预测是否匹配或不匹配。
• 该框架支持灵活配置，允许插入不同的嵌入方法与分类器，以评估性能权衡。
• 采用统计假设检验（Friedman 检验与 Nemenyi 检验）验证不同方法之间性能差异的显著性。

实验结果

研究问题

• RQ1 在有监督学习框架中结合图嵌入与属性相似性，是否能显著提升异构知识图谱上的实体消歧准确率？
• RQ2 与 Magellan 和 DeepMatcher 等最先进实体消歧系统相比，EAGER 在多样化知识图谱结构上的表现如何？
• RQ3 在深层且更复杂的知识图谱上，嵌入与属性的融合是否优于单独使用任一信号？
• RQ4 哪类图嵌入与分类器的组合在不同数据集上能实现最稳健且高效的性能？
• RQ5 EAGER 的性能提升在多个基准数据集上是否具有统计显著性？

主要发现

• 在全部 23 个基准数据集上，EAGER 显著优于 Magellan，Nemenyi 检验中平均排名为 1.125，表明其整体性能更优。
• 在深层知识图谱上，采用 MLP 分类器的 EAGER 在 F-measure 上显著优于 DeepMatcher，Friedman 检验的 p 值为 2.21×10⁻¹¹，确认了统计显著性。
• 在表格导向与浅层知识图谱上，EAGER 表现与最先进方法相当，多个数据集的 F-measure 超过 0.98。
• 图嵌入与属性相似性的结合始终优于单独使用任一信号，证明了多模态特征融合的价值。
• 在 100K 规模的数据集上，EAGER 的 MLP 模型在 D-Y(V2) 上达到 F-measure 0.995，优于 DeepMatcher（0.993）与 Magellan（0.984）。
• Nemenyi 检验的临界距离图显示，EAGER（MLP）显著优于 DeepMatcher 与 Magellan，且置信区间无重叠。