초록
이중선형 기반 모델은 지식 그래프 완성(Knowledge Graph Completion, KGC) 분야에서 강력하고 널리 사용되는 접근 방식이다. 이중선형 기반 모델은 상당한 성과를 달성했지만, 주로 증거 기반의 사후적 성질(예: 대칭성 패턴)에 초점을 맞추며 사전적 성질을 간과하고 있다. 본 논문에서는 이중선형 기반 모델이 포착할 수 없는 사전적 성질인 '동일성의 법칙'(the law of identity)을 발견하였다. 이 성질의 누락은 기존 모델이 지식 그래프(KG)의 특성을 종합적으로 모델링하는 데 제약을 가한다. 이러한 문제를 해결하기 위해, 우리는 단위 구면 이중선형 모델(Unit Ball Bilinear Model, UniBi)을 제안한다. 이 모델은 최소한의 제약을 통해 비효율적 학습을 최소화함으로써 이론적 우수성과 함께 해석 가능성 및 성능을 향상시킨다. 실험 결과를 통해 UniBi가 사전적 성질을 효과적으로 모델링함을 입증하며, 그 해석 가능성과 성능을 검증하였다.