개체 타입을 포함하는 지식 그래프에 대한 표현 학습

Abstract

지식 그래프 임베딩은 그래프의 구조를 반영한 점수 함수를 통해 개체와 관계를 특성 벡터로 표현하는 기술이다. 대부분의 지식 그래프는 구조적인 정보 이외에 추가적인 정보를 포함하고 있지 않아 임베딩을 생성할때 그래프의 구조적인 정보만을 사용한다. 하지만 실생활에 존재하는 어플리케이션들은 개체 타입 등 다양한 정보를 포함하여 지식 그래프로 변환할 수 있는 경우가 있다. 본 논문에서는 개체의 타입이 개체들에 대한 군집으로 해석될 수 있다는 점을 토대로, 개체 타입 정보를 사용하는 지식 그래프 임베딩 모델을 제시한다. 손실 함수와 네거티브 샘플링을 통해 타입을 반영하는 새로운 방법을 제시한다. 본 논문에서는 반도체 공정을 바탕으로 각 개체의 타입이 제공된 SMC 데이터 셋을 제작하여 링크 예측 실험을 진행하였다. 본 모델이 해당 데이터 셋에서 기존의 다른 지식 그래프 임베딩 모델을 뛰어넘는 성능을 기록하였다.