지식 그래프에서 텍스트 생성을 위한 전역 및 지역 노드 컨텍스트 모델링

최근의 그래프-텍스트 모델은 노드 표현을 학습하기 위해 전역 또는 국소 집계를 사용하여 그래프 기반 데이터에서 텍스트를 생성합니다. 전역 노드 인코딩은 두 개의 먼 노드 간에 명시적인 통신을 가능하게 하지만, 모든 노드가 직접 연결되어 있어 그래프 위상을 무시하는 경향이 있습니다. 반면에, 국소 노드 인코딩은 이웃 노드 간의 관계를 고려하여 그래프 구조를 포착하지만, 장거리 관계를 포착하지 못할 수 있습니다. 본 연구에서는 이러한 두 가지 인코딩 전략을 결합하여, 입력 그래프를 전역과 국소 노드 컨텍스트를 모두 결합해 인코딩하는 새로운 신경망 모델을 제안합니다. 이를 통해 더 나은 문맥화된 노드 임베딩을 학습할 수 있습니다. 실험 결과, 제안한 접근법이 AGENDA 데이터셋에서 BLEU 점수 18.01, WebNLG 데이터셋의 기존 범주에서 63.69로 두 개의 그래프-텍스트 데이터셋에서 상당한 성능 향상을 보였으며, 각각 최신 기술보다 3.7점과 3.1점 높았습니다.