实体对齐任务新数据集

[lizhixi212]

在dbp15k等老数据集上，现在的实体对齐方法都已经99%。 实体对齐这个任务有什么新数据集嘛？ 还有研究的潜力嘛？

[sunzequn]

同学你好，感谢你对这个方向的关注。印象中，dbp15k好像没有达到99%的效果？另外，你提到的这种非常高的效果，可能是因为一些数据集最开始是面向基于structure的实体对齐的，他们没有考虑name bias的问题，即等价的实体大多具有相似甚至相同的名字，可以参考这里的讨论。所以，如果引入name作为特征，可以在这些数据集上达到非常高的效果，但是这样的方法未必鲁棒。综上，这个方向仍然可以研究，但是要选择好动机和数据集，保证实验的公平。

[lizhixi212]

非常感谢你的回复，我是这里看到的。 论文题目：Rethinking GNN-based Entity Alignment on Heterogeneous Knowledge Graphs: New Datasets and A New Method

[lizhixi212]

同学你好，感谢你对这个方向的关注。印象中，dbp15k好像没有达到99%的效果？另外，你提到的这种非常高的效果，可能是因为一些数据集最开始是面向基于structure的实体对齐的，他们没有考虑name bias的问题，即等价的实体大多具有相似甚至相同的名字，可以参考这里的讨论。所以，如果引入name作为特征，可以在这些数据集上达到非常高的效果，但是这样的方法未必鲁棒。综上，这个方向仍然可以研究，但是要选择好动机和数据集，保证实验的公平。

非常感谢孙师兄的回复，我想问问实体对齐目前还有什么值得研究的方向吗？这些模型的性能都这么高了。我看有些论文用对比学习、多模态（图、文本）、无监督等。我和即将毕业的研三学长随意聊了几句，他说这个方向很难发好的paper，比较卷。希望孙师兄能指点一二，研一科研萌新不胜感激。