【论文】本体匹配实体对齐知识融合入门论文推荐
整理:AI壹号堂
知识图谱以结构化的方式描述客观世界中的概念、实体及其间的关系,将万维网的信息表达成更接近人类认知世界的形式,提供了一种更好地组织、管理和理解万维网上海量信息的能力。知识图谱核心技术除了大家熟悉的实体识别与关系抽取外,知识融合、本体匹配、及实体对齐更加具有挑战性,本篇文章推荐了本体匹配、实体对齐、及知识融合相关论文,希望能对入门者有一定帮助。前方高能预警哦
背景描述:
知识图谱以结构化的方式描述客观世界中的概念、实体及其间的关系,将万维网的信息表达成更接近人类认知世界的形式,提供了一种更好地组织、管理和理解万维网上海量信息的能力。知识图谱可以由任何机构和个人自由构建,其背后的数据来源广泛、质量参差不齐,导致它们之间存在多样性和异构性。例如,对于相似领域,通常会存在多个不同的概念或实体指称真实世界中的相同事物。知识图谱核心技术除了大家熟悉的实体识别与关系抽取外,知识融合、本体匹配、及实体对齐更加具有挑战性,本篇文章推荐了本体匹配、实体对齐、及知识融合相关论文,希望能对入门者有一定帮助,其中阅读顺序可以按文中推荐阅读即可,其中红色标注的是强烈建议大家阅读的,其他的可以根据时间进行安排。
本体匹配
Anchor-PROMPT: Using non-local context for semantic matching. IJCAI, 2001
Learning to map between ontologies on the semantic web. WWW, 2002
Similarity flooding: a versatile graph matching algorithm and its application to schema matching. ICDE, 2002
Constructing virtual documents for ontology matching. WWW, 2006
Using Google distance to weight approximate ontology matches. WWW, 2007
A survey of exploiting WordNet in ontology matching. IFIP AI, 2008
Falcon-AO: A practical ontology matching system. JWS, 2008
Matching large ontologies: A divide-and-conquer approach. DKE, 2008
RiMOM: A dynamic multistrategy ontology alignment framework. TKDE, 2009
LogMap: Logic-based and scalable ontology matching. ISWC, 2011
An extensible linear approach for holistic ontology matching. ISWC, 2016
Cross-lingual infobox alignment in Wikipedia using entity-attribute factor graph. ISWC, 2017
实体对齐
Entity resolution with Markov logic. ICDM, 2006
A self-training approach for resolving object coreference on the semantic web. WWW, 2011
Data matching. Principles of data integration, 2012
PARIS: Probabilistic alignment of relations, instances, and schema. VLDB, 2012
SiGMa: Simple greedy matching for aligning large knowledge bases. KDD, 2013
Translating embeddings for modeling multi-relational data. NIPS, 2013
Progressive approach to relational entity resolution. VLDB, 2014
Cross-lingual entity alignment via joint knowledge graph embedding. ISWC, 2017
Falcon: Scaling up hands-off crowdsourced entity matching to build cloud services. SIGMOD, 2017
Knowledge graph embedding: A survey of approaches and applications. TKDE, 2017
Multilingual knowledge graph embeddings for cross-lingual knowledge alignment. IJCAI, 2017
Bootstrapping entity alignment with knowledge graph embedding. IJCAI, 2018
Cross-lingual knowledge graph alignment via graph convolutional networks. EMNLP, 2018
Deep learning for entity matching: A design space exploration. SIGMOD, 2018
Entity alignment between knowledge graph using attribute embeddings. AAAI, 2018
Learning to exploit long-term relational dependencies in knowledge graphs. ICML, 2019
Multi-channel graph neural network for entity alignment. ACL, 2019
Multi-view knowledge graph embedding for entity alignment. IJCAI, 2019
Relation-aware entity alignment for heterogeneous knowledge graphs. IJCAI, 2019
知识融合
Truth discovery with multiple conflicting information providers on the web. TKDE, 2008
Integrating conflicting data: The role of source dependence. VLDB, 2009
A Bayesian approach to discovering truth from conflicting sources for data integration. VLDB, 2012
Resolving conflicts in heterogeneous data by truth discovery and source reliability estimation. SIGMOD, 2014
SLiMFast: Guaranteed results for data fusion and source reliability. SIGMOD, 2017
Fact checking: Theory and practice. KDD, 2018
【论文】本体匹配实体对齐知识融合入门论文推荐相关推荐
- 知识图谱之实体对齐一
知识融合一般分为两步,本体对齐和实体匹配两种的基本流程相似,如下: 一.实体对齐常见的步骤: 1.1 数据预处理 1) 语法正规化 2) 数据正规化 1.2 记录链接 把实体通过相似度进行连接 1.3 ...
- 知识图谱最新权威综述论文解读:实体发现
上期我们介绍了2020年知识图谱最新权威综述论文<A Survey on Knowledge Graphs: Representation, Acquisition and Applicatio ...
- 知识图谱之实体对齐二
4.2知识融合 经由信息抽取之后的信息单元间的关系是扁平化的,缺乏层次性和逻辑性,同时存在大量冗余甚至错误的信息碎片.知识融合旨在解决如何将关于同一个实体或概念的多源描述信息融合起来,将多个知识库中的 ...
- 图谱实战 | 京东商品图谱构建与实体对齐
转载公众号 | DataFunTalk 分享嘉宾:赵学敏博士 京东科技 编辑整理:蔡丽萍 TRS 出品平台:DataFunTalk 导读:在电商企业采购和运营过程中,如果要想掌握商品的实时价格等行情 ...
- 【知识图谱】知识融合
文章目录 一.知识融合 1.基本概念 2.数据层的知识融合 (1)不同KG的知识融合 (2)不同知识库的知识融合 (3)不同来源数据的知识融合 (4)知识在线融合 3.Schema层的知识融合 4.技 ...
- 知识图谱(三)——知识体系构建和知识融合
知识图谱不仅包含具体的实例知识数据,还包括对知识数据的描述和定义.该部分对数据进行描述和定义的"元"数据被称为知识体系(Schema)或本体(Ontology). 知识融合主要方法 ...
- [实体对齐综述]A benchmark and comprehensive survey on knowledge graph entity alignment via representation
基于表示学习的知识图谱实体对齐的基准和综合综述 Rui Zhang, Bayu Distiawan Trisedya ,Miao Li, Yong Jiang Jianzhong Qi VLDB Jo ...
- 特定领域知识图谱知识融合方案(实体对齐)论文合集
相关文章项目链接: 特定领域知识图谱知识融合方案(实体对齐):优酷领域知识图谱为例 特定领域知识图谱知识融合方案(实体对齐):文娱知识图谱构建之人物实体对齐
- 1.特定领域知识图谱知识融合方案(实体对齐):金融产业产业知识图谱-基于内容匹配和图模型的品牌知识链指
知识图谱专栏简介:数据增强,智能标注,文本信息抽取(实体关系事件抽取).知识融合算法方案.知识推理.模型优化.模型压缩技术等
- 论文浅尝 - ACL2020 | 用于实体对齐的邻居匹配网络
笔记整理 | 谭亦鸣,东南大学博士 来源:ACL 20 链接:https://www.aclweb.org/anthology/2020.acl-main.578.pdf 1.介绍 图谱之间的异构差异 ...
最新文章
- DEV-C++设置C++11标准
- SpringCloud核心组件及其作用
- linux调用php项目,在Centos/Linux系统下使用Phalcon开发PHP项目
- C语言和C++的区别整理详解!
- 【万里征程——Windows App开发】应用栏
- Centos7 修改主机名
- Leetcode每日一题:845.longest-mountain-in-array(数组中的最长山脉)
- Cytoskeleton / 艾美捷——BimC驱动蛋白运动域蛋白
- Java数据结构与算法 一
- 私钥,公钥的区分——私钥公钥讲解
- linux命令:cp和scp
- 【MapReduce】MapReduce读写MySQL数据
- OPNET报错总结及注意事项
- 悲壮!微软钦定的13部 Windows Phone 遗老
- java数组排序sort原理,ZooKeeper的十二连问
- 解决MAC系统字体模糊发虚,并更换默认中文字体为微软雅黑
- 2023智能家电、智能家居解决方案与技术论坛——CAEE
- 诗以自勉:男儿立志出乡关,不立功名誓不还!埋骨何须桑梓地,人生何处不青山!
- 【开源物联网】MQTT物联网网关Broker与Java开源实现
- 好用的Maven仓库推荐