Unlocking the Power of Large Language Models for Multi-table Entity Matching

📄 arXiv: 2604.21238v1 📥 PDF

作者: Yingkai Tang, Taoyu Su, Wenyuan Zhang, Xiaoyang Guo, Tingwen Liu

分类: cs.CL, cs.IR

发布日期: 2026-04-23

备注: Accepted by NLPCC 2025

DOI: 10.1007/978-981-95-3352-7_17

🔗 代码/项目: GITHUB

💡 一句话要点

提出LLM4MEM框架，利用大语言模型解决多表实体匹配中的语义不一致和效率问题。

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 多表实体匹配 大型语言模型 语义不一致 属性协调 传递共识嵌入

📋 核心要点

  1. 现有方法在多表实体匹配中，难以处理数值属性变化导致的语义不一致问题，影响匹配准确性。
  2. LLM4MEM框架利用大语言模型的语言理解能力，通过多风格提示增强属性协调，解决语义不一致问题。
  3. 实验结果表明，LLM4MEM在多个数据集上优于现有基线模型，F1指标平均提升5.1%。

📝 摘要（中文）

多表实体匹配(MEM)通过同时识别多个数据源中的等价实体来解决双表方法的局限性，无需唯一标识符。然而，现有依赖预训练语言模型的方法难以处理由数值属性变化引起的语义不一致。受大型语言模型(LLM)强大语言理解能力的启发，我们提出了一种新的基于LLM的多表实体匹配框架，称为LLM4MEM。具体来说，我们首先提出了一个多风格提示增强的LLM属性协调模块，以解决语义不一致问题。然后，为了缓解由多个数据源带来的实体数量激增导致的匹配效率问题，我们开发了一个传递共识嵌入匹配模块来解决实体嵌入和预匹配问题。最后，为了解决匹配过程中的噪声实体问题，我们引入了一个密度感知剪枝模块来优化多表实体匹配的质量。我们在6个MEM数据集上进行了大量实验，结果表明，与基线模型相比，我们的模型在F1指标上平均提高了5.1%。

🔬 方法详解

问题定义：多表实体匹配旨在识别来自多个数据表的等价实体，而无需依赖唯一的标识符。现有方法，特别是基于预训练语言模型的方法，在处理由于数值属性变化引起的语义不一致性时表现不佳。例如，同一实体的年龄在不同数据源中可能略有不同，导致匹配困难。此外，随着数据源数量的增加，实体数量激增，匹配效率成为一个瓶颈，同时噪声实体的存在也会降低匹配质量。

核心思路：LLM4MEM的核心思路是利用大型语言模型（LLMs）强大的语言理解和推理能力，来解决多表实体匹配中的语义不一致、效率和噪声问题。通过将实体属性转化为自然语言描述，并利用LLM进行属性协调，可以有效缓解数值属性变化带来的语义差异。此外，通过传递共识嵌入匹配和密度感知剪枝，可以提高匹配效率并降低噪声的影响。

技术框架：LLM4MEM框架主要包含三个模块：1) 多风格提示增强的LLM属性协调模块：用于解决语义不一致问题；2) 传递共识嵌入匹配模块：用于提高匹配效率；3) 密度感知剪枝模块：用于降低噪声实体的影响。整体流程是首先使用LLM进行属性协调，然后进行实体嵌入和预匹配，最后进行密度感知剪枝，得到最终的匹配结果。

关键创新：LLM4MEM的关键创新在于将大型语言模型引入到多表实体匹配任务中，并设计了针对性的模块来解决该任务中的特定挑战。多风格提示增强的属性协调模块能够有效利用LLM的语言理解能力，缓解语义不一致问题。传递共识嵌入匹配模块通过传递性推理减少了需要比较的实体对数量，提高了匹配效率。密度感知剪枝模块则通过识别和移除噪声实体，提高了匹配质量。

关键设计：多风格提示增强的属性协调模块使用了不同的提示模板，以增强LLM对属性的理解。传递共识嵌入匹配模块使用了基于图的传递性推理算法，减少了计算复杂度。密度感知剪枝模块使用了基于密度的聚类算法，识别和移除低密度区域的实体。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，LLM4MEM在6个多表实体匹配数据集上取得了显著的性能提升，与基线模型相比，F1指标平均提高了5.1%。这表明LLM4MEM能够有效解决多表实体匹配中的语义不一致、效率和噪声问题，具有较强的实用价值。

🎯 应用场景

该研究成果可应用于数据集成、知识图谱构建、客户关系管理等领域。通过自动识别和匹配来自不同数据源的实体，可以提高数据质量、减少人工干预，并为后续的数据分析和挖掘提供更准确的基础。未来，该方法可以扩展到更复杂的数据场景，例如包含图像、文本等多种模态的数据。

📄 摘要（原文）

Multi-table entity matching (MEM) addresses the limitations of dual-table approaches by enabling simultaneous identification of equivalent entities across multiple data sources without unique identifiers. However, existing methods relying on pre-trained language models struggle to handle semantic inconsistencies caused by numerical attribute variations. Inspired by the powerful language understanding capabilities of large language models (LLMs), we propose a novel LLM-based framework for multi-table entity matching, termed LLM4MEM. Specifically, we first propose a multi-style prompt-enhanced LLM attribute coordination module to address semantic inconsistencies. Then, to alleviate the matching efficiency problem caused by the surge in the number of entities brought by multiple data sources, we develop a transitive consensus embedding matching module to tackle entity embedding and pre-matching issues. Finally, to address the issue of noisy entities during the matching process, we introduce a density-aware pruning module to optimize the quality of multi-table entity matching. We conducted extensive experiments on 6 MEM datasets, and the results show that our model improves by an average of 5.1% in F1 compared with the baseline model. Our code is available at https://github.com/Ymeki/LLM4MEM.