LightEA: 세 가지 시점 레이블 전파를 통한 확장 가능하고 강건하며 해석 가능한 엔티티 정합 프레임워크

엔티티 어라이어먼트(Entity Alignment, EA)는 다수의 지식 그래프(KG) 간에 동치 엔티티 쌍을 탐색하는 것을 목표로 하며, 다중 출처 지식 그래프를 연결하고 통합하는 핵심 단계이다. 본 논문에서는 기존의 GNN 기반 EA 방법들이 신경망 계열에서 유래한 내재적 한계—낮은 확장성과 낮은 해석 가능성—을 그대로 계승하고 있음을 지적한다. 최근의 연구들을 영감으로 삼아, 우리는 지식 그래프에서 효과적으로 작동할 수 있도록 레이블 전파(Label Propagation) 알고리즘을 재설계하였으며, 비신경망 기반의 EA 프레임워크인 LightEA를 제안한다. LightEA는 세 가지 효율적인 구성 요소로 이루어져 있다: (i) 무작위 직교 레이블 생성(Random Orthogonal Label Generation), (ii) 세 가지 시점의 레이블 전파(Three-view Label Propagation), (iii) 희소 센크혼 반복(Sparse Sinkhorn Iteration). 공개 데이터셋을 대상으로 수행한 광범위한 실험 결과에 따르면, LightEA는 뛰어난 확장성, 강건성 및 해석 가능성을 보였다. 시간 소비량이 단지 1/10에 불과한 상황에서도 모든 데이터셋에서 최첨단 기법들과 비교해 유사한 성능을 달성하였으며, 많은 경우에서 이를 뛰어넘는 결과를 보였다.