要約
エンティティアライメントは、異なる知識グラフ（KG）間の同等エンティティペアを特定することを目的とする。近年、時間情報を含む時系列知識グラフ（TKG）の登場により、このようなTKGにおける時間に関する推論の必要性が生じた。既存の埋め込みベースのエンティティアライメント手法は、多くの大規模KGに共通して存在する時間情報を無視しているため、さらなる改善の余地が残されている。本論文では、TKG間のエンティティペアをアライメントするタスクに焦点を当て、グラフニューラルネットワーク（GNN）を基盤とする新たな時間認識型エンティティアライメント手法（TEA-GNN）を提案する。本手法では、異なるKGのエンティティ、関係、タイムスタンプを同一のベクトル空間に埋め込み、GNNを用いてエンティティ表現を学習する。モデルのGNN構造に、関係と時間情報を統合するために、隣接領域内の関連する関係およびタイムスタンプの埋め込みから計算された直交変換行列を用いた自己注意機構を導入し、異なるノードに異なる重みを割り当てる。複数の実世界のTKGデータセットにおける実験結果から、時間情報の導入により、本手法が最先端手法を顕著に上回ることが示された。