摘要
这项研究探讨了使用视觉语义表示来对齐异构知识图谱（KGs）中的实体。图像作为许多现有知识图谱的自然组成部分，通过将其与其它辅助信息相结合，我们展示了所提出的新方法EVA能够创建一种全面的实体表示，为跨图谱实体对齐提供强有力的信号。此外，以往的实体对齐方法需要人工标注的种子对齐数据，这限制了其可用性。而EVA通过利用实体之间的视觉相似性生成初始种子字典（视觉支点），提供了一种完全无监督的解决方案。在基准数据集DBP15k和DWY15k上的实验表明，EVA在单语言和跨语言实体对齐任务中均表现出当前最优的性能。进一步的研究发现，图像对于对齐长尾知识图谱实体特别有用，这些实体由于缺乏必要的结构上下文而难以捕捉对应关系。