近来,知识图谱作为人工智能领域的重要组成部分,受到了众多研究者的关注。单个知识图谱很难满足实际的应用需求,而不同知识图谱之间存在冗余、异构等问题,因此知识图谱融合成为该领域的热点问题。实体对齐是其中的重要任务之一,它旨在发现来自不同知识图谱且在真实世界中表示相同事物的实体。已有工作大多关注实体的结构信息,而知识图谱中仍有多种的特征信息未被充分利用。多种特征信息的使用能够提升知识图谱嵌入效果,使得嵌入模型具有较好的鲁棒性。本文的重点研究内容包括:利用多视图数据进行知识图谱嵌入,解决对监督数据的过分依赖问题,以及利用关系或属性对齐增强实体对齐。本文提出了一个新颖的基于多视图知识图谱嵌入的实体对齐框架,Multi KE。针对实体对齐任务,该框架能够整合利用实体的多视图信息,同时具有较好的可扩展性。主要内容和贡献如下:1.定义了三种具有代表性的视图,分别是:名称视图、关系视图和属性视图,并结合每个视图的特点,制定了适合的嵌入模型;2.提出了一个基于多视图知识图谱嵌入的实体对齐框架,从实体以及关系和属性两个层面设计了跨知识图谱训练方式;3.提出了三种视图组合策略,组合多个视图的嵌入结果,以获得最终的用于实体对齐任务的实体表示;4.进行了多项实验,实验结果表明Multi KE在实体对齐任务上明显优于当前已有方法,同时本文通过几个验证实验深入探究了Multi KE在各个方面的性能。