초록
개념은 공통 속성을 공유하는 다양한 인스턴스를 나타내며, 지식 표현에서 필수적인 정보입니다. 대부분의 기존 지식 임베딩 방법은 개념과 인스턴스 모두를 동일하게 저차원 의미 공간의 벡터로 인코딩하여, 개념과 인스턴스 간의 차이점을 무시합니다. 본 논문에서는 이러한 차이점을 고려한 새로운 지식 그래프 임베딩 모델인 TransC를 제안합니다. 구체적으로, TransC는 지식 그래프의 각 개념을 구(球)로, 각 인스턴스를 같은 의미 공간의 벡터로 인코딩합니다. 우리는 상대적 위치를 사용하여 개념과 인스턴스 사이의 관계(i.e., instanceOf)와 개념과 하위 개념 사이의 관계(i.e., subClassOf)를 모델링합니다. YAGO 데이터셋을 기반으로 한 링크 예측 및 트리플 분류 작업에서 우리의 모델을 평가한 결과, TransC는 최신 방법들을 능가하며 instanceOf와 subClassOf 관계에 대한 의미적 전이성을 포착함을 보여주었습니다. 우리의 코드와 데이터셋은 https://github.com/davidlvxin/TransC에서 확인할 수 있습니다.