초록
결손 사실을 완성하는 것은 시간적 지식 그래프(TKGs)에 대한 기본적인 작업입니다. 최근에는 토폴로지와 시간 정보를 동시에 탐색할 수 있는 그래프 신경망(GNN) 기반 방법이 TKG 완성을 위한 최신 기술(SOTA)이 되었습니다. 그러나 이러한 연구들은 수작업으로 설계된 아키텍처를 기반으로 하며, TKG의 다양한 토폴로지와 시간 특성을 탐색하지 못합니다. 이 문제를 해결하기 위해, 우리는 신경망 아키텍처 검색(NAS)을 사용하여 TKG 완성을 위한 데이터 특화 메시지 전달 아키텍처를 설계하는 것을 제안합니다. 특히, 우리는 TKG에서 토폴로지와 시간 정보를 탐색하기 위한 일반화된 프레임워크를 개발하였습니다. 이 프레임워크를 바탕으로, 다양한 TKG의 여러 특성을 완전히 포착할 수 있는 표현력 높은 검색 공간을 설계하였습니다. 또한, 단일 경로 샘플링을 통해 효율적으로 검색하면서 비용을 줄이는 슈퍼넷 구조를 학습하는 검색 알고리즘을 채택하였습니다. 우리는 세 가지 벤치마크 데이터셋에서 광범위한 실험을 수행하였으며, 결과는 우리의 방법으로 찾은 아키텍처가 SOTA 성능을 달성함을 보여주었습니다. 또한, 찾은 모델들이 다른 TKG에서의 다양한 특성을 암묵적으로 드러낼 수 있음을 확인하였습니다. 우리의 코드는 https://github.com/striderdu/SPA 에 공개되어 있습니다.