본 논문은 지식 그래프 간의 엔티티 정렬(Entity Alignment, EA)에서 확인 편향(confirmation bias) 문제를 해결하기 위해 통합적 의사 레이블링 프레임워크(Unified Pseudo-Labeling framework for Entity Alignment, UPL-EA)를 제안합니다. 기존의 의사 레이블링 기반 EA 모델들은 높은 신뢰도로 예측된 비정렬 엔티티 쌍을 반복적으로 추가하여 학습 데이터를 확장하지만, 확인 편향으로 인한 오류가 발생할 수 있습니다. UPL-EA는 최적 수송(Optimal Transport, OT) 기반 의사 레이블링과 병렬 의사 레이블 앙상블(Parallel pseudo-label ensembling)이라는 두 가지 구성 요소로 이루어져 있습니다. OT 기반 의사 레이블링은 이산 OT 모델링을 사용하여 엔티티 대응 관계를 효과적으로 결정하고 잘못된 매칭을 줄이며, 일대일 대응 관계를 만족하는 의사 레이블을 추론합니다. 병렬 의사 레이블 앙상블은 독립적으로 훈련된 여러 모델의 예측을 결합하여 의사 레이블의 정확도를 높입니다. 실험 결과, UPL-EA는 15개의 경쟁 기법보다 우수한 성능을 보이며, 의사 레이블링 기반 EA에 대한 일반적인 프레임워크로서의 유용성을 입증합니다.
