초록
지식 기반 완성 문제는 3차 이진 텐서 완성 문제로 정의될 수 있다. 이러한 관점에서, 캐노니컬 텐서 분해(Canonical Tensor Decomposition, CP) (Hitchcock, 1927)는 자연스러운 해결책으로 보이지만, 현재 CP의 표준 지식 기반 완성 벤치마크 구현은 경쟁 모델들에 비해 뒤처져 있다. 본 연구에서는 지식 기반 완성을 위한 CP의 한계를 이해하려고 시도한다. 먼저, 텐서 핵 $p$-노름(tensor nuclear $p$-norms)을 기반으로 하는 새로운 정규화기(regularizer)를 제안하고 검증한다. 다음으로, 데이터셋에 술어(predicate) 또는 그 역술어(reciprocals)를 포함하는 임의적인 선택에 불변(invariant)인 문제 재구성을 제시한다. 이 두 가지 방법을 결합하면 여러 데이터셋에서 CP 분해를 사용하여 현재 최신 기술(state of the art)을 능가할 수 있으며, 더 발전된 ComplEx 모델을 사용하면 더욱 우수한 결과를 얻을 수 있다.