论文标题：
Multilingual Knowledge Graph Completion with Self-Supervised Adaptive Graph Alignment

论文链接：

https://arxiv.org/pdf/2203.14987.pdf

代码链接：

https://github.com/amzn/ss-aga-kgc

本文提出了一个基于自监督图对齐的多语言知识图谱推理框架——SS-AGA。SS-AGA 将实体对齐视为一种新的边类型。这种边连接每对来自不同 KG 的对齐实体，从而将所有 KG 连接成一个整体的知识图谱。基于这样统一的建模，我们提出了一种关系感知注意机制的 GNN 编码器 ，来聚合邻近实体中的知识从而得到每个实体的向量表征。

 

编码器的注意力机制学习到不同邻近实体的权重，从而区分了来自不同语言的多个对齐实体传播的影响。为缓解 seed alignment 的稀疏性问题，SS-AGA 利用实体对生成器，以自监督的方式在训练过程中迭代地识别新的对齐实体对。具体而言，我们随机屏蔽掉一些已知的对齐实体，让生成器通过它们的向量表征相似性来恢复它们。

内容中包含的图片若涉及版权问题，请及时与我们联系删除