ACL2022 | 基于强化学习的实体对齐

会员服务 ·

ACL2022 | 基于强化学习的实体对齐

2022 年 3 月 15 日 专知

论文题目：Deep Reinforcement Learning for Entity Alignment

本文作者：郭凌冰、韩玉强、张强、陈华钧（浙江大学）

发表会议：ACL 2022 Findings

论文链接：https://www.zhuanzhi.ai/paper/ea0d24acf0badd2ea11089cfdc1094eb

代码链接：https://github.com/guolingbing/RLEA

欢迎转载，转载请注明出处

一、引言

实体对齐(Entity Alignment）是知识图谱表示学习研究中关键任务之一，其基本目标在于发现两个知识图谱间指向同一现实对象的实体对，以便将不同知识图谱链接起来，更好地支持下游应用。

目前，基于知识图谱嵌入（Knowledge Graph Embedding）的方法，如MTransE、JAPE，受到了广泛关注，它们提供了一种端到端的、具有强鲁棒性的实体对齐手段。尽管这些方法在性能和效率上相较以往有了显著提升，但它们很少考虑如何根据训练得到的实体嵌入（Entity Embedding）高效地搜寻和评估匹配的实体对，往往只是强行把相似度最高的候选实体直接作为输入实体的匹配，而不考虑该候选实体也许已经找到了更优的匹配。

下图中的例子说明了这一现象，对角线对应的为正确匹配，颜色越深则表示两个实体相似度越高。目前主流方法贪心地选择相似度最高的匹配对，如左图所示，将会错误地只选择第一列作为匹配结果。而如果将匹配过程视为一个序列，如右图所示，已经匹配的候选实体不能再被后续输入实体匹配，就能避免落入高相似度陷阱。

二、基于强化学习的知识图谱实体对齐

上述序列决策方式尽管能够正确地排除一些候选实体，但也存在着累积错误的风险。因此，本文提出了一种基于强化学习的方法来克服这一缺陷，其并不直接使用实体嵌入的相似度作为判断依据，而是直接把嵌入作为输入，训练一个策略网络（Policy Network）使其能够寻找到尽可能多的实体对，以实现最大回报（Reward）。同时，本文还采用了一种课程学习（Curriculum Learning）的策略，在训练过程中逐步增加难度，避免因任务复杂性而导致学习失败。

下图展示了策略网络的基本构成，对于输入实体和候选实体，我们选择了额外k个与输入实体接近的实体（即 opponent entities）作为context信息，可以用于拒绝当前匹配。对于每个实体，我们使用GNN模型同时编码其邻居向量以得到中间表示。除了线性层以外，最终的输出层还考虑了实体对间的互信息，综合两个评估器得到最终的输出标签，即匹配或不匹配。

下图中展示了学习过程中，策略网络是如何与环境（Environment）互动的。在环境中维持了一个匹配对序列，其排序方法为实体对间的相似度，以保证在测试阶段该序列仍可用。如前文所述，相似度高的实体对未必真正匹配，因此在训练过程中本文通过对比实际标签与相似度信息来判断一个匹配对的难易程度，根据当前训练轮数，一些较高难度的匹配对将有更大的概率直接逃过训练。在一个情节（Episode）中，环境所给出的实体对将被策略网络一一判断，被认为匹配的实体对将会直接排除环境序列中的所有涉及这些实体的匹配对，这一过程一直持续到序列终止或所有实体均被匹配。