초관계 지식 그래프를 위한 메시지 전달

초기관계 지식 그래프(Hyper-relational knowledge graphs, KGs, 예: Wikidata)는 주요 삼중항 외에 추가적인 키-값 쌍을 연결함으로써 사실의 모호성을 제거하거나 사실의 유효성을 제한하는 데 기여한다. 본 연구에서는 이러한 초기관계 지식 그래프를 모델링할 수 있는 메시지 전달 기반의 그래프 인코더인 StarE를 제안한다. 기존의 접근 방식과 달리, StarE는 주요 삼중항과 함께 임의의 수의 추가 정보(품질자, qualifiers)를 인코딩하면서도 품질자와 삼중항의 의미적 역할을 유지할 수 있다. 또한, 기존의 초기관계 지식 그래프에서 링크 예측(LP) 성능을 평가하기 위한 기준들에 근본적인 결함이 있음을 입증하고, 새로운 Wikidata 기반 데이터셋인 WD50K를 개발하였다. 실험 결과, StarE 기반의 링크 예측 모델이 여러 기준에서 기존 방법들을 상회함을 확인하였다. 또한, 품질자를 활용하는 것이 링크 예측에 있어 매우 중요하며, 삼중항 기반 표현에 비해 최대 25점의 MRR 향상 효과를 얻을 수 있음을 검증하였다.