NQE: N-ary 쿼리 임베딩을 이용한 하이퍼 관계 지식 그래프에서의 복잡한 쿼리 응답

복잡한 쿼리 응답 (CQA)는 지식 그래프 (KGs)에서 다단계 및 논리적 추론을 수행하는 데 필수적인 작업입니다. 현재 대부분의 접근 방식은 이진 관계 사실 간의 쿼리에 제한되어 있으며, 실제 세계에서 더 흔하게 발견되는 두 개 이상의 엔티티를 포함하는 n-항 사실 (n>=2)에는 덜 주목하고 있습니다. 또한, 이전의 CQA 방법들은 몇 가지 주어진 유형의 쿼리에 대해서만 예측을 할 수 있고, 더 복잡한 논리적 쿼리로 유연하게 확장할 수 없어 그 적용 범위가 크게 제한되었습니다.이러한 도전 과제를 극복하기 위해, 본 연구에서는 하이퍼-관계 지식 그래프 (HKGs)에서 CQA를 위한 새로운 N-항 쿼리 임베딩 (NQE) 모델을 제안합니다. HKGs는 대량의 n-항 사실을 포함하며, NQE는 이들을 처리하기 위해 이중이질 Transformer 인코더와 퍼지 논리 이론을 활용하여 모든 n-항 일차논리 (FOL) 쿼리를 만족시킵니다. 여기에는 존재 양자화, 논리합, 논리곱, 부정 등을 포함합니다.또한, 우리는 각각의 쿼리 종류에 상관없이 단일 배치에서 임의의 n-항 FOL 쿼리를 학습하거나 예측할 수 있는 병렬 처리 알고리즘도 제안합니다. 이를 통해 좋은 유연성과 확장성을 제공합니다. 또한, WD50K-NFOL이라는 새로운 CQA 데이터셋을 생성하였습니다. 이 데이터셋은 WD50K 위에서 다양한 n-항 FOL 쿼리를 포함하고 있습니다.WD50K-NFOL 및 다른 표준 CQA 데이터셋에서의 실험 결과는 NQE가 HKGs 위에서 최고 성능을 보이는 CQA 방법이며, 우수한 일반화 능력을 가지고 있음을 보여줍니다. 우리의 코드와 데이터셋은 공개적으로 이용 가능합니다.