친절한 이웃: 문맥화된 시퀀스-투-시퀀스 링크 예측

우리는 지식 그래프(KG)에서 링크 예측(LP)을 위한 간단한 시퀀스-투-시퀀스 모델인 KGT5-context을 제안한다. 본 연구는 최근에 제안된 KGT5 모델을 확장한 것으로, 지식 그래프의 텍스트적 특징을 활용하며 모델 크기가 작고 확장성이 뛰어난 특징을 지닌다. 그러나 KGT5는 우수한 예측 성능을 달성하기 위해 지식 그래프 임베딩(KGE) 모델과의 앙상블을 필요로 하며, 이 KGE 모델은 자체적으로 매우 크고 사용 비용이 높은 문제가 있다. 본 논문에서는 실험적으로 쿼리 엔티티의 직접적 이웃 정보(즉, 맥락 정보)를 추가함으로써 별도의 KGE 모델 없이도 우수한 성능을 얻을 수 있음을 입증한다. 결과적으로 제안하는 KGT5-context 모델은 간단한 구조를 가지며 모델 크기를 크게 줄이고, 실험적 평가에서 최신 기술(SOTA) 수준의 성능을 달성한다.