RECON: 지식 그래프 맥락을 활용한 그래프 신경망에서의 관계 추출

본 논문에서는 문장 내의 관계를 자동으로 식별하고 지식 그래프(KG)와 맞춤화하는 새로운 방법인 RECON을 제시합니다. RECON은 그래프 신경망을 사용하여 문장과 지식 그래프에 저장된 사실들의 표현을 학습함으로써 전체 추출 품질을 개선합니다. 이 사실들은 엔티티 속성(레이블, 별칭, 설명, 인스턴스-오브)과 사실 트리플을 포함하며, 이러한 요소들이 기존 최신 방법들에서 통합적으로 활용되지 않았습니다. 우리는 다양한 형태의 지식 그래프 맥락 표현이 RECON의 성능에 미치는 영향을 평가하였습니다. 두 개의 표준 관계 추출 데이터셋에서 실증적 평가 결과, RECON은 NYT Freebase와 Wikidata 데이터셋에서 모든 최신 방법들을 크게 능가하는 것으로 나타났습니다. Wikidata 데이터셋에서는 RECON이 87.23 F1 점수(기준 82.29 대비)를 보였으며, NYT Freebase에서는 P@10에서 87.5, P@30에서 74.1로 이전 기준 점수인 P@10 81.3 및 P@30 63.1보다 우수한 성능을 보였습니다.