초록
지식 기반 데이터의 신경망 모델은 일반적으로 그래프 객체의 구성적 표현을 사용해 왔습니다: 개체와 관계 임베딩이 체계적으로 결합되어 후보 지식 기반 항목의 진리성을 평가합니다. 조화 문법(Harmonic Grammar)에서 영감을 받은 모델을 제안하여, 학습된 지식 기반 트리플렛에 대한 적절성 조건에 대한 최적화 과정을 통해 트리플릿 임베딩을 토큰화합니다. 이 결과로 생성된 모델인 그래디언트 그래프(Gradient Graphs)는 구성적 모델과 함께 구현할 때 상당한 개선 효과를 나타냅니다. 또한, 이 모델이 생성하는 "초구성적(supracompositional)" 트리플릿 토큰 임베딩이 해석 가능한 특성을 가지고 있으며, 이는 결과적인 트리플릿 표현에 대한 추론 수행에 도움이 됨을 보여줍니다.