지식 그래프를 활용한 사회적 관계 이해의 심층 추론

사회적 관계(예: 친구, 연인 등)는 우리 일상생활에서의 사회 네트워크의 기반이 됩니다. 이러한 관계를 자동으로 해석하는 것은 지능형 시스템이 인간 행동을 깊이 이해하고 사회적 수준에서 사람과 더 나은 상호작용을 할 수 있는 큰 잠재력을 가지고 있습니다. 인간은 그룹 내의 사회적 관계를 개인만을 바탕으로 해석하는 것이 아니라, 그러한 사회적 관계와 사람들이 있는 주변 맥락 정보 사이의 상호작용도 중요한 역할을 합니다. 그러나 이전 연구에서는 이러한 추가적인 단서들이 대부분 간과되었습니다. 우리는 이 두 요소 사이의 상호작용이 새로운 구조화된 지식 그래프와 적절한 메시지 전파 및 주의 메커니즘을 통해 효과적으로 모델링될 수 있다는 것을 발견했습니다. 이 구조화된 지식은 종단 학습 가능한 그래프 추론 모델(Graph Reasoning Model, GRM)에 효율적으로 통합되어 사회적 관계 이해를 촉진할 수 있으며, 이 모델에서는 노드 메시지를 그래프를 통해 전파하여 관심 인물과 맥락 객체 간의 상호작용을 탐색하는 전파 메커니즘이 학습됩니다. 동시에, 그래프 주의 메커니즘이 도입되어 차별적인 객체에 대한 명시적인 추론을 통해 인식을 촉진합니다. 공개 벤치마크에서 수행된 광범위한 실험들은 우리의 방법이 기존 선두 경쟁자들보다 우수함을 입증하였습니다.