시간을 따라: 시계열 지식 그래프 완성 위한 타임라인 추적 임베딩

최근 몇 년 동안 정적 지식 그래프(SKG) 내 개체와 관계의 표현을 학습하기 위한 지식 그래프 임베딩(KGE) 기법에서 놀라운 진전이 이루어졌다. 그러나 지식은 시간이 지남에 따라 변화한다. 특정 시점에 발생한 사실을 표현하기 위해 시간적 지식 그래프(TKG) 임베딩 기법이 제안되었다. 그러나 기존 대부분의 모델들은 의미 정보와 시간 정보 간의 독립성을 간과하고 있다. 우리는 실증적으로 현재의 모델들이 서로 다른 타임스탬프에서 동일한 개체나 관계의 표현을 구분하는 데 어려움을 겪음을 발견하였다. 이러한 문제를 해결하기 위해 우리는 시간적 지식 그래프 완성(TKG completion)을 위한 TimeLine-Traced 지식 그래프 임베딩 방법(TLT-KGE)을 제안한다. TLT-KGE는 타임스탬프를 포함한 개체와 관계를 복소수 벡터 또는 퀘aternion 벡터로 임베딩하는 것을 목표로 한다. 구체적으로, TLT-KGE는 의미 정보와 시간 정보를 복소수 공간 또는 퀘aternion 공간의 서로 다른 축으로 모델링한다. 동시에 의미 정보와 시간 정보 간의 관계를 명확히 반영하기 위해 두 가지 특수한 구성 요소를 설계하여 모델링 성능을 향상시켰다. 이를 통해 제안된 방법은 의미 정보와 시간 정보의 독립성을 명확히 구분할 뿐만 아니라, 두 정보 간의 연결성을 효과적으로 설정할 수 있다. 링크 예측 작업에 대한 실험 결과는 TLT-KGE가 최신 기술 대비 상당한 성능 향상을 달성함을 보여준다. 소스 코드는 https://github.com/zhangfw123/TLT-KGE 에 공개될 예정이다.