지식 그래프 임베딩의 신속한 생성

지식 그래프 임베딩 방법은 지식 기반의 개체와 관계를 연속 벡터 공간의 점이나 벡터로 표현하는 것을 목표로 합니다. 임베딩을 사용한 여러 접근 방식들은 링크 예측, 개체 추천, 질문 응답, 트리플 분류 등의 작업에서 유망한 결과를 보여주었습니다. 그러나 최신 컴퓨팅 자원 없이는 매우 큰 지식 기반의 저차원 임베딩을 계산할 수 있는 방법은 몇 가지에 불과합니다. 본 논문에서는 스킵-그램 모델을 기반으로 하는 간단하고 빠른 지식 그래프 임베딩 접근 방식인 KG2Vec를 제안합니다. 사전 정의된 점수 함수를 사용하는 대신 Long Short-Term Memory(LSTM)에 의존하여 이를 학습합니다. 우리는 우리의 잔차가 지식 그래프 완성 작업에서 가장 확장성이 좋은 접근 방식들과 비교 가능한 결과를 달성하며 새로운 메트릭에서도 우수한 성능을 보임을 입증하였습니다. 그럼에도 불구하고, KG2Vec는 일반 하드웨어에서 2억 5천만 개 이상의 트리플을 7시간 미만으로 처리하여 큰 그래프를 더 짧은 시간 내에 임베딩할 수 있습니다.