DHGE: Dual-View Hyper-Relational Knowledge Graph Embedding for Link Prediction and Entity Typing DHGE: 링크 예측과 엔티티 타이핑을 위한 이중 시점 초관계 지식 그래프 임베딩

지식 그래프(KGs)의 표현 학습 분야에서, 하이퍼 관계적 사실은 주요 트리플과 여러 보조 속성-값 설명으로 구성되며, 이는 트리플 기반의 사실보다 더 포괄적이고 구체적이라고 여겨집니다. 그러나 현재 단일 뷰에서 사용 가능한 하이퍼 관계적 KG 임베딩 방법들은 엔티티 간의 소속 관계를 나타내는 계층 구조를 약화시키기 때문에 응용 범위가 제한적입니다. 이러한 한계를 극복하기 위해, 우리는 엔티티에 대한 하이퍼 관계적 인스턴스 뷰와 엔티티로부터 계층적으로 추상화된 개념에 대한 하이퍼 관계적 온톨로지 뷰를 포함하는 이중 뷰 하이퍼 관계적 KG 구조(DH-KG)를 제안합니다. 본 논문에서는 처음으로 DH-KG에서 링크 예측 및 엔티티 타이핑 작업을 정의하고, 위키데이터에서 추출한 JW44K-6K와 의학 데이터를 기반으로 하는 HTDM 두 개의 DH-KG 데이터셋을 구축하였습니다. 또한, GRAN 인코더, HGNNs(하이퍼그래프 신경망), 그리고 공동 학습을 기반으로 하는 DH-KG 임베딩 모델인 DHGE(Dual-View Hyper-Relational Knowledge Graph Embedding)를 제안합니다. 실험 결과에 따르면, DHGE는 기준 모델들보다 DH-KG에서 우수한 성능을 보였습니다. 마지막으로, 이 기술이 고혈압 치료에 어떻게 활용될 수 있는지를 예시로 제공합니다. 우리의 모델과 새로운 데이터셋은 공개적으로 이용 가능합니다.