QuatDE: 지식 그래프 완성을 위한 동적 퀴터니언 임베딩

지식 그래프 임베딩은 지식 기반 보완(KGC) 분야에서 활발한 연구 주제로, 초기의 TransE, TransH, RotatE 등에서부터 현재의 최첨단 모델인 QuatE에 이르기까지 지속적인 발전을 거듭해왔다. 그러나 QuatE는 엔티티의 다면적 특성과 관계의 복잡성을 무시하고, 오직 사원수 공간에서의 엄격한 연산을 통해 엔티티 쌍과 관계 간의 상호작용을 포착하므로, 더 나은 지식 표현을 위한 잠재적 기회를 놓치고 있다. 본 논문에서는 이러한 한계를 극복하기 위해, 관계 패턴의 다양성을 명시적으로 포착하고 엔티티의 다양한 의미 정보를 분리하는 동적 매핑 전략을 도입한 새로운 모델인 QuatDE를 제안한다. 이 모델은 히든턴 곱( Hamilton product)을 통해 전이 벡터(transition vector)를 이용해 사원수 공간 내 엔티티 임베딩 벡터의 위치를 조정함으로써 삼중항의 요소 간 특징 상호작용 능력을 강화한다. 실험 결과, QuatDE는 세 가지 대표적인 지식 그래프 보완 벤치마크에서 최첨단 성능을 달성하였으며, 특히 WN18에서 MR 평가 지표가 약 26% 향상되고, WN18RR에서는 15% 향상되어 QuatDE의 일반화 능력이 입증되었다.