P-NAL: an Effective and Interpretable Entity Alignment Method

实体对齐（EA）旨在找到两个知识图谱之间的等价实体。现有的基于嵌入的EA方法通常将实体编码为嵌入，将三元组编码为嵌入的约束，并学习对齐嵌入。通常通过嵌入传播、聚合或交互来利用结构和侧面信息。然而，对齐过程中底层逻辑推理步骤的细节通常被省略，导致推理过程不充分。在本文中，我们介绍了P-NAL，一种使用非公理逻辑（NAL）捕捉两种逻辑推理路径的实体对齐方法。类型1是连接待对齐实体对之间的桥梁式推理路径，由两个关系/属性三元组和另外两个实体之间的相似性句子组成。类型2通过它们的嵌入将实体对链接起来。P-NAL通过整合推理路径的结论迭代地对齐实体和关系。此外，由于NAL的表达能力，我们的方法在逻辑上是可解释和可扩展的。我们提出的方法适用于各种EA设置。实验结果表明，我们的方法在Hits@1方面优于现有的最先进方法，在有监督和无监督设置下，DBP15K的所有三个数据集上均达到0.98+。据我们所知，我们从统一的逻辑角度首次对实体对齐的基本原理进行了深入分析。

本论文旨在解决知识图谱中实体对齐的问题，通过引入非公理逻辑（NAL）来捕捉推理路径，提高实体对齐的推理过程。

P-NAL方法使用非公理逻辑（NAL）捕捉两种类型的逻辑推理路径，通过整合推理路径的结论来迭代地对齐实体和关系。

论文提出的P-NAL方法在三个DBP15K数据集上表现出色，无论是在有监督还是无监督设置下，都达到了0.98+的高水平。此外，该方法具有逻辑可解释性和可扩展性，并且适用于多种实体对齐设置。

最近在实体对齐领域的相关研究包括：BootEA，JAPE，IPTransE等。