AutoAlign: Fully Automatic and Effective Knowledge Graph Alignment enabled by Large Language Models

本文是LLM系列文章，针对《AutoAlign: Fully Automatic and Effective Knowledge Graph Alignment enabled by Large Language Models》的翻译。

摘要

知识图谱之间的实体对齐任务旨在从表示同一实体的两个不同的知识图谱中识别每对实体。针对这项任务，已经提出了许多基于机器学习的方法。然而，据我们所知，现有的方法都需要手工制作的种子比对，这是昂贵的。在本文中，我们提出了第一种名为AutoAlign的全自动对齐方法，该方法不需要任何手动制作的种子对齐。具体来说，对于谓词嵌入，AutoAlign在大型语言模型的帮助下构建了一个谓词接近图，以自动捕获两个KGs中谓词之间的相似性。对于实体嵌入，AutoAlign首先使用TransE独立计算每个KG的实体嵌入，然后通过基于实体属性计算实体之间的相似性，将两个KG的实体嵌入式转移到同一向量空间中。因此，谓词对齐和实体对齐都可以在无需手动编制种子对齐的情况下完成。AutoAlign不仅是全自动的，而且非常有效。使用真实世界KGs的实验表明，与最先进的方法相比，AutoAlign显著提高了实体对齐的性能。

1 引言

2 相关工作

3 前言

4 提出的方法

5 实验

6 结论和未来工作

我们提出了AutoAlign，这是第一个由大型语言模型实现的KG对齐的全自动方法。我们提出了由大型语言模型支持的属性字符嵌入和谓词近似图嵌入，以计算来自两个KGs的实体和谓词嵌入的统一向量空间。实验结果表明，AutoAlign始终优于竞争对手。关于知识图谱补全的进一步结果表明，我们对实体、谓词和属性嵌入的联合学习可以捕捉KG内和KG之间实体和谓词之间的相似性。
AutoAlign展示了利用大型语言模型来提高KG对齐性能的潜力（例如，需要较少的手动工作，并结合存储在大型语言模型中的知识）。在未来的工作中，我们可能会研究基于图或超图的更广泛的研究领域，这些领域可以受益于启用KG对齐的大型语言模型。例如，利用大型语言模型将KGs与特定领域的图（例如，推荐系统中的特征图，兴趣点学习中的区域图）对齐，以丰富其表示能力。