本发明涉及计算机领域，具体而言，涉及一种知识图谱中的实体对齐方法及装置。
背景技术：
在构建大规模知识库的任务中，需要处理大量来自多源知识库的实体数据。在构建知识库之初，首先需建立一个知识描述体系，然后向体系中挂载实体数据.由于不同知识库的信息来源不同，以及人工定义及校对的差异，语义上相同的实体在不同的知识库中会有不同的表现形式。具有相同条目名称的实体也许表示着语义上的同一事物，也许表示着两种事物。
在现有的实际运作过程中，主要通过两种方法进行实体融合：
1)传统实体对齐
传统的实体对齐方法主要通过属性相似度匹配的方式实现，利用有监督学习的机器学习模型，如：决策树、支持向量机、集成学习等。依赖实体的属性信息，通过属性相似度，进行跨平台实体对齐关系的推断。由于属性的类别不同，需要设计不同的属性相似度计算函数，且不同的领域需要设计不同的属性相似度函数。但是该对齐方式，存在以下缺点：a)耗费人力；b)难以在多领域间迁移；c)由于属性的表达是离散的，这种计算方式忽略了属性的语义相似度，限制了实体对齐的效果。
2)基于知识表示学习
通过将知识图谱中的实体和关系都映射低维空间向量，直接用数学表达式来计算各个实体之间相似度，例如transe方法等。
知识表示学习是使用建模的方法，将知识图谱中的实体和关系表示成为低维的向量，然后对其进行计算和推理。transe是最早的知识表示学习模型。它将每个三元组关系(h，r，t)表示成从头实体h到尾实体r的向量。transe希望三元
Original: https://blog.csdn.net/weixin_39943750/article/details/111809033
Author: weixin_39943750
Title: 实体对齐 算法_知识图谱中的实体对齐方法及装置与流程
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/557705/
转载文章受原作者版权保护。转载请注明原作者出处！