辩论对齐：通过两阶段多代理辩论实现可靠的实体对齐

实体对齐（EA）旨在识别跨不同知识图（KG）引用同一现实世界对象的实体。最近基于 大语言模型 (LLM) 的方法通常通过知识表示学习获得实体嵌入，并使用嵌入相似性来识别对齐不确定的实体集。对于每个不确定实体，然后基于嵌入相似性检索候选实体集（CES）以支持后续的对齐推理和决策。然而，CES的可靠性和LLM的推理能力严重影响后续对齐决策的有效性。为了解决这个问题，我们提出了 AgentEA，一个基于多智能体辩论的可靠 EA 框架。 AgentEA首先通过实体表示偏好优化来提高嵌入质量，然后引入由轻量级辩论验证和深度辩论对齐组成的两阶段多角色辩论机制，逐步增强对齐决策的可靠性，同时实现更高效的基于辩论的推理。在跨语言、稀疏、大规模和异构环境下的公共基准上进行的大量实验证明了 AgentEA 的有效性。