换一批面向知识融合的本草典籍知识图谱实体对齐研究
Research on Entity Alignment in Chinese Materia Medica Knowledge Graphs for Knowledge Fusion
摘要[目的/意义]针对本草典籍知识图谱实体对齐任务中图谱异构、术语易混淆及高质量标注稀缺等挑战,提出融合生成对抗网络与模糊语义辨识的实体对齐模型GAFL-Align,旨在实现多源知识自动化融合.[方法/过程]该模型通过BERT与图注意力网络融合实体语义与拓扑结构,利用生成对抗网络进行领域自适应以消除异构引发的特征分布差异,采用模糊边界负采样策略强化对易混淆术语的细粒度辨识,并结合迭代自训练机制利用高置信度结果扩充样本,有效降低对人工标注的依赖.[结果/结论]实验表明,该模型在自建数据集上的核心指标均优于基线方法.在此基础上构建的多源融合图谱实现了典籍间知识的互补与增值,为本草典籍知识自动化融合提供了有力的技术支撑.
更多相关知识
关键词
知识融合实体对齐本草典籍知识图谱深度学习knowledge fusionentity alignmentChinese Materia Medica classicsknowledge graphdeep learning
栏目名称
DOI
10.3969/j.issn.1008-0821.2026.03.003
发布时间
2026-03-18（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家社会科学基金（23VJXT024）
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
