합성연산자를 이용한 그래프 어텐션 네트워크 기반 지식 그래프 링크 예측

Abstract

지식 그래프 불완전성 문제를 해결하기 위해 지식 그래프의 구성요소인 노드와 링크를 저차원 벡터 공간에 표현하는 임베딩 기법들이 많이 연구되었다. 뉴럴 네트워크의 발전과 더불어 뉴럴 네트워크 기반의 모델이 그래프 도메인에서도 활발하게 연구되고 있으며 지식 그래프 링크 예측 문제에서도 훌륭한 성과를 거두고 있다. 하지만 기존 모델들은 노드에 대한 트리플의 중요도를 구할 때 노드와 링크를 독립적으로 고려하므로 트리플 내의 노드와 링크의 상호작용이 잘 반영되기 어려운 문제점이 존재한다. 본 논문에서는 지식 그래프 링크 예측 시 합성연산자를 이용하여 노드와 링크를 동시에 고려하여 트리플의 중요도를 구하는 임베딩 방법을 제안하며 해당 모델이 지식 그래프 링크 예측에서 우수한 성능을 보임을 증명한다.