一种基于多尺度邻居聚合的知识图谱实体对齐方法

本发明涉及一种基于多尺度邻居聚合的知识图谱实体对齐方法，适用于自然语言处理、知识图谱、数据集成与分析等领域。目前基于表示学习的实体对齐方法在知识图谱领域取得了显著进展，但在面对长尾实体较多、图结构异质性较高的大规模知识图谱时，准确率仍有待提高，这使得现有方法无法在实际场景中落地应用。本发明基于Dual‑AMN模型，结合多尺度邻居聚合机制，提出了Dual‑AMN with long‑tail enhancement(Dual‑LTE)图编码器，以增强模型在长尾实体对齐任务中的性能。通过扩大长尾实体对邻居实体信息聚合范围，提高了模型捕获图结构信息的能力，从而有效提升了实体对齐的准确性。这一方法对于解决知识图谱实体对齐中的长尾实体问题具有重要意义，可为相关领域的研究和实际场景的落地应用提供有力支持。