KGPool: 동적 지식 그래프 컨텍스트 선택을 위한 관계 추출

우리는 단일 문장에서 관계 추출(RE)을 수행하는 새로운 방법을 제시합니다. 이 방법은 문장과 주어진 두 개체를 지식 그래프(KG)의 표준 사실로 매핑합니다. 특히 이 가정된 문장 RE 환경에서는 단일 문장의 맥락이 종종 희박합니다. 본 논문에서는 이러한 희박성을 해결하기 위해 KGPool 방법을 소개합니다. 이 방법은 KG에서 추가적인 사실들을 동적으로 확장하여 맥락을 보완합니다. 또한 신경망 기법을 사용하여 이러한 사실(개체 별칭, 개체 설명 등)의 표현을 학습하여 문장 맥락을 보충합니다. 기존 방법들이 모든 확장된 사실들을 정적으로 사용하는 것과 달리, KGPool는 문장에 따라 이 확장을 조건부로 수행합니다. 우리는 다양한 신경망 모델과 지식 그래프(Wikidata와 NYT Freebase)를 사용하여 KGPool의 효과를 평가하였습니다. 표준 데이터셋에 대한 실험적 평가는 KGPool 표현을 그래프 신경망에 입력함으로써 전체적인 방법이 최신 기술보다 유의미하게 더 정확하다는 것을 보여줍니다.