郭 强，谭菊仙，刘家祝

(江南计算技术研究所，江苏 无锡 214085)

0 引 言

随着社交网络的日益普及，微博、Twitter、Facebook等社交媒体成为人们传播新事件、分享新知识的主要媒介。特别是知识图谱中大量的人物、组织在社交网络中都开设有账号。社交媒体实时更新的信息可以帮助扩充知识图谱内容，而知识图谱在社交网络分析中可以起到知识引导的作用[1]。社交媒体和知识图谱互相融合对知识图谱扩充与社交网络分析等具有重要作用，而社交账号与知识图谱实体对齐是这两类数据融合的关键问题。

以实体为中心的知识图谱和以账号为中心的社交网络在数据上呈现出不同的特点。第一，知识图谱的质量一般要求较高，YAGO具有95%的准确度[2]。而对于社交媒体来说，数据通常是嘈杂的，甚至存在虚假信息。第二，知识图谱一般采用标准的、易于计算机访问的数据结构。而对于社交媒体来说，数据主要呈现非结构化特征，多数受限于社交媒体平台的API访问限制。第三，社交媒体能够提供实时的最新信息，而知识图谱的更新一般滞后数小时到数月之间不等[3]。这种知识更新的滞后，限制了知识图谱在实时性要求较高场景中的应用。这些特点给社交媒体和知识图谱之间的数据融合带来挑战。

文中充分利用社交网络和知识图谱的结构特点，研究社交账号与知识图谱实体的对齐技术，将社交账号与知识图谱中的实体链接起来。与实体链接过程类似，社交账号与知识图谱实体也为两个步骤[1]：候选实体集生成与目标实体选择。……