KagNet: 일반 지식 인식 그래프 네트워크를 활용한 일반 지식 추론

일상적인 상황에 대한 인간의 추론 능력을 기계에 부여하는 것을 목표로 하는 일반지식 추론(commonsense reasoning)은 우리 일상생활에서 흔히 발생하는 상황에 대해 합리적인 가정을 내릴 수 있도록 하는 데 중점을 둡니다. 본 논문에서는 일반지식 질문에 답하기 위한 텍스트 추론 프레임워크를 제안합니다. 이 프레임워크는 설명 가능한 추론을 수행하기 위해 외부의 구조화된 일반지식 지식 그래프를 효과적으로 활용합니다. 제안하는 프레임워크는 질문-답변 쌍을 의미 공간에서 지식 기반의 기호 공간으로 매핑하여, 외부 지식 그래프의 관련 부분 서브그래프인 스키마 그래프(schema graph)로 표현합니다. 이후 새로운 지식 인식형 그래프 네트워크 모듈인 KagNet을 사용해 스키마 그래프를 표현하고, 그래프 표현을 기반으로 답변을 점수화합니다. 본 모델은 그래프 컨볼루션 네트워크(GCN)와 LSTM을 기반으로 하며, 계층적 경로 기반 어텐션 메커니즘을 채택하고 있습니다. 중간 단계의 어텐션 점수는 모델의 투명성과 해석 가능성을 보장하여 신뢰할 수 있는 추론을 가능하게 합니다. Bert 기반 모델에 대해 ConceptNet만을 외부 자원으로 사용함으로써, 일반지식 추론을 위한 대규모 데이터셋인 CommonsenseQA에서 최신 기술(SOTA) 성능을 달성하였습니다.