초록
지식 그래프 임베딩은 실체와 관계를 저차원 벡터(또는 행렬, 텐서 등)로 표현하는 것을 목표로 하며, 지식 그래프 내 누락된 링크를 예측하는 데 효과적인 기법으로 입증되었다. 기존의 지식 그래프 임베딩 모델은 주로 대칭/반대칭, 역관계, 합성과 같은 관계 패턴을 모델링하는 데 집중해 왔다. 그러나 많은 기존 방법들은 실제 응용에서 흔히 나타나는 의미 계층 구조를 모델링하지 못하는 한계를 가지고 있다. 이러한 문제를 해결하기 위해 우리는 새로운 지식 그래프 임베딩 모델인 '계층 인식 지식 그래프 임베딩(Hierarchy-Aware Knowledge Graph Embedding, HAKE)'을 제안한다. HAKE는 실체를 극좌표계로 매핑하는 방식을 채택한다. 이 접근법은 극좌표계에서 동심원 구조가 자연스럽게 계층 구조를 반영할 수 있다는 점에서 영감을 얻었다. 구체적으로, 반지름 좌표는 계층의 서로 다른 수준에 위치한 실체를 모델링하는 데 사용되며, 반지름이 작은 실체는 더 높은 계층에 위치할 것으로 기대된다. 반면, 각도 좌표는 동일한 계층에 속한 실체들을 구분하는 데 활용되며, 이들 실체는 대체로 유사한 반지름을 가지되 서로 다른 각도를 갖도록 설계된다. 실험 결과, HAKE는 지식 그래프 내 의미 계층 구조를 효과적으로 모델링할 수 있으며, 링크 예측 태스크에서 기존 최고 성능 모델들을 상회하는 성능을 보였다.