캡슐 네트워크 기반 임베딩 모델을 이용한 지식 그래프 완성 및 검색 개인화

본 논문에서는 관계 삼중항(주제, 관계, 객체)을 모델링하기 위해 캡슐 네트워크를 활용한 임베딩 모델인 CapsE를 소개합니다. 본 연구의 CapsE는 각 삼중항을 세 개의 열 벡터로 구성된 행렬로 표현하며, 각 열 벡터는 삼중항 내 요소의 임베딩을 나타냅니다. 이 3열 행렬은 여러 필터가 작동하여 다양한 특성 맵을 생성하는 컨볼루션 레이어에 입력됩니다. 이러한 특성 맵은 다시 해당 캡슐로 재구성되어 다른 캡슐로 라우팅되어 연속 벡터를 생성합니다. 이 벡터의 길이는 삼중항의 타당성 점수를 측정하는 데 사용됩니다. 제안된 CapsE는 두 기준 데이터셋 WN18RR과 FB15k-237에서 지식 그래프 완성 작업에 있어 이전 최신 임베딩 모델보다 더 우수한 성능을 보여주며, SEARCH17에서 강력한 검색 개인화 기준모델들을 능가하였습니다.