RotateQVS: 쿼터니언 벡터 공간에서 시간 정보를 회전으로 표현하여 시간 지식 그래프 완성하기

시간적 요인은 질병의 진행과 정치 상황의 발전 등 실제 응용 분야에서 사실들의 성장과 밀접하게 관련되어 있으므로, 시간 지식 그래프 (Temporal Knowledge Graph, TKG)에 대한 연구가 많은 관심을 받고 있습니다. TKG에서는 표현 학습과 시간적 사실들 간의 추론을 위해 시간성을 내재하는 관계 패턴을 연구해야 합니다. 그러나 기존 방법들은 시간적 관계 패턴을 모델링하기 어렵고, 시간이 경과하면서 관계 간의 본질적인 연결성을 포착하지 못하여 해석성이 부족합니다. 본 논문에서는 시간적 엔티티를 쿼터니언 벡터 공간에서 회전 (Rotations in Quaternion Vector Space, RotateQVS)으로 표현하고, 관계를 해밀턴의 쿼터니언 공간에서 복소벡터로 표현하는 새로운 시간 모델링 방법을 제안합니다. 우리의 방법이 TKG에서 대칭성, 비대칭성, 역관계와 같은 주요 관계 패턴을 모델링할 수 있으며, 이론적으로 시간이 경과하면서 변화하는 관계를 포착할 수 있음을 보여줍니다. 경험적으로는 네 개의 시간 지식 그래프 벤치마크에서 링크 예측 작업의 성능 향상을 입증하였습니다.