초록
지식 그래프 임베딩 모델은 지식 그래프 내의 개체와 관계의 표현을 학습하여 개체 간의 누락된 링크(관계)를 예측한다. 이러한 모델의 효과성은 대칭성, 비대칭성, 역관계, 합성, 전이성과 같은 다양한 관계 패턴을 모델링하고 추론하는 능력에 크게 영향을 받는다. 기존의 모델들은 이미 많은 관계 패턴을 모델링할 수 있지만, 매우 흔한 관계 패턴인 전이성(Transitivity)은 여전히 충분히 지원되지 않고 있다. 본 논문에서는 먼저 이론적으로 전이 관계가 투영(projection)을 통해 모델링될 수 있음을 보여준다. 그 후, 투영과 관계 회전(relational rotation)을 결합한 Rot-Pro 모델을 제안한다. 우리는 Rot-Pro가 위의 모든 관계 패턴을 추론할 수 있음을 증명한다. 실험 결과, 제안하는 Rot-Pro 모델이 전이성 패턴을 효과적으로 학습하며, 전이 관계를 포함한 데이터셋에서 링크 예측 작업에서 최신 기술(SOTA) 수준의 성능을 달성함을 확인하였다.