초록
엔티티와 관계의 임베딩을 학습하는 것은 지식 그래프와 같은 관계 데이터에 대한 머신 러닝을 수행하는 효율적이고 유연한 방법입니다. 본 연구에서는 전체 지식 그래프의 조합 벡터 공간 표현을 학습하기 위해 홀로그래픽 임베딩(HolE)을 제안합니다. 제안된 방법은 연관 메모리의 홀로그래픽 모델과 관련이 있으며, 원형 상관관계를 사용하여 조합 표현을 생성합니다. 상관관계를 조합 연산자로 사용함으로써 HolE는 풍부한 상호작용을 포착할 수 있지만 동시에 계산 효율성이 뛰어나며, 학습이 쉽고 매우 큰 데이터셋에도 확장 가능합니다. 광범위한 실험을 통해 홀로그래픽 임베딩이 지식 그래프와 관계 학습 벤치마크 데이터셋에서 링크 예측에 있어 최신 기법들을 능가할 수 있음을 보여주었습니다.