近日，人工智能领域国际学术会议IJCAI 2022（人工智能领域顶级国际学术会议之一）发布了论文录用结果（https://ijcai-22.org/main-track-accepted-papers/），我院蒋运承教授指导的软件工程专业博士生蔡伟珊同学的论文“Entity Alignment with Reliable Path Reasoning and Relation-aware Heterogeneous Graph Transformer”被该会议接收，这是我院老师指导的学生研究成果首次获得人工智能领域顶级国际学术会议认可。

IJCAI（International Joint Conference on Artificial Intelligence），即国际人工智能联合会议，是人工智能领域中最重要的学术会议之一，每年吸引全球学术界和企业界逾千人参加。中国计算机学会（CCF）推荐国际学术会议目录将IJCAI列为人工智能领域A类会议。第31届IJCAI 2022将与第25届ECAI一起于7月23日至7月29日在奥地利维也纳举行。本届大会共收到来自全球的4535篇论文，经过两阶段的严格筛选，最终约15%的论文被会议方录用。

论文介绍

论文题目：Entity Alignment with Reliable Path Reasoning and Relation-aware Heterogeneous Graph Transformer（基于可靠路径推理和关系感知异质Transformer的实体对齐方法）

作者：蔡伟珊, 马文俊, 詹捷宇, 蒋运承

通讯作者：蒋运承教授

论文概述：随着融合多语言和多知识源信息的知识图谱成为推荐系统、智能问答、搜索引擎、知识推理等众多人工智能应用的重要知识来源，学术界和工业界对知识图谱的兴趣也呈爆炸式增长。实体对齐（EA）是从不同知识图谱中寻找具有相同含义的实体，是知识图谱知识融合的一个重要任务。众所周知，知识图谱中实体之间存在大量的多级关系路径，表示实体之间的语义关系。然而，现有EA方法很少考虑路径信息，因为并非所有的自然路径信息都有利于EA任务的判断。因此，本文提出了一种更有效的实体对齐框架RPR-RHGT，它集成了关系和路径结构信息以及知识图谱的异质信息：论文首先提出了一种可靠路径推理算法（RPR），用于从知识图谱的关系结构中生成有利于EA任务的路径结构；其次，为了有效地捕获实体邻域中的异质特征，论文设计了一个基于关系感知的异质Transformer模型（RHGT）来对知识图谱的关系结构和路径结构进行建模；最后，在三个被广泛使用的数据集上的实验结果表明，RPR-RHGT的性能显著优于11种最先进的EA方法，在重要评估指标Hits@1上超过性能最好的基线方法高达8.62%。

RPR-RHGT框架图