17일 전
TwiRGCN: 시계열 지식 그래프 위에서의 질문 응답을 위한 시계열 가중 그래프 컨볼루션
Aditya Sharma, Apoorv Saxena, Chitrank Gupta, Seyed Mehran Kazemi, Partha Talukdar, Soumen Chakrabarti

초록
최근 몇 년간 지식 그래프(KG)에서 시간적 추론을 활용한 복잡한 질의응답(QA)에 대한 관심이 크게 증가했지만, 인간의 능력과 비교했을 때 여전히 큰 격차가 존재한다. 본 연구에서는 관계형 그래프 컨볼루션 네트워크(RGCN)를 시간적 지식 그래프 QA에 일반화하는 방법을 탐구한다. 구체적으로, 컨볼루션 과정에서 지식 그래프의 간선을 통해 전달되는 메시지의 조절을 위해, 질문과 관련된 시간 구간의 관련성을 기반으로 하는 새로운, 직관적이고 해석 가능한 기법을 제안한다. 또한, 복잡한 시간적 질문에 대한 답이 지식 그래프의 실체(entity)인지 시간(time)인지 예측하는 게이팅 장치(gating device)를 도입하여, 이를 점수 산정 메커니즘에 활용한다. 제안하는 시스템인 TwiRGCN을 최근 공개된 다단계 복잡한 시간적 QA를 위한 도전적인 데이터셋인 TimeQuestions에서 평가한 결과, 다양한 질문 유형에 걸쳐 최첨단 시스템들을 크게 상회함을 확인하였다. 특히, 가장 어려운 서수형(ordinal) 및 암시적(implicit) 질문 유형에 대해 정확도가 9~10퍼센트포인트 향상됨을 입증하였다.