초록
지식 그래프의 링크 예측 작업은 실체 간에 누락된 관계를 예측하는 것을 목표로 한다. 지식 그래프 임베딩은 지식 그래프의 실체와 관계를 연속적인 벡터 공간 내에서 낮은 차원의 벡터로 표현하는 것을 목표로 하며, 뛰어난 예측 성능을 달성해왔다. 만약 임베딩 모델이 가능한 한 다양한 종류의 연결 패턴과 관계의 매핑 특성을 포괄할 수 있다면, 링크 예측 작업에 더 큰 이점을 가져올 수 있다. 본 논문에서는 네 가지 연결 패턴(대칭성, 반대칭성, 역함수성, 합성성)과 네 가지 매핑 특성(일대일, 일대다, 다대일, 다대다)을 모두 모델링할 수 있는 새로운 임베딩 모델인 LineaRE를 제안한다. 구체적으로, 지식 그래프 임베딩을 단순한 선형 회귀 문제로 간주하며, 관계를 두 개의 낮은 차원 벡터로 표현된 실체에 대한 선형 함수로 모델링한다. 이때 두 개의 가중치 벡터와 편향 벡터를 사용한다. 벡터가 실수 공간에서 정의되고 모델의 점수 함수가 선형이므로, 본 모델은 간단하고 대규모 지식 그래프에 대해 확장 가능한 특성을 갖는다. 다양한 실-world 데이터셋에서 수행된 실험 결과는 제안된 LineaRE 모델이 기존 최첨단 모델들보다 뛰어난 성능을 보임을 보여준다.