이 연구는 지식 그래프 완성을 위한 관계 예측 모델을 제안한다. 지식 그래프는 인공지능 애플리케이션에 널리 사용되지만 종종 불완전한 경우가 많다. 기존 연구는 주로 노드 예측에 초점을 맞추었지만, 노드 간 관계 예측 또한 중요한 과제이다.
제안 모델은 지식 그래프의 구조적 정보와 텍스트 정보를 모두 활용한다. 구조적 정보는 Node2Vec 알고리즘을 통해 추출하고, 텍스트 정보는 사전 학습된 Glove 언어 모델을 활용한다. 이를 통해 노드의 정체성을 효과적으로 파악할 수 있다.
제안 모델은 양방향 LSTM과 주의 집중 메커니즘을 사용하여 노드 표현을 생성하고, 출력층에서 각 관계의 확률을 예측한다. 실험 결과, 제안 모델은 널리 사용되는 Freebase 데이터셋에서 기존 모델들보다 우수한 성능을 보였다. 또한 모델 구성 요소에 대한 심층 분석을 통해 각 요소의 효과를 확인하였다.
Til et andet sprog
fra kildeindhold
arxiv.org
Vigtigste indsigter udtrukket fra
by Sakher Khali... kl. arxiv.org 04-26-2024
https://arxiv.org/pdf/2404.16206.pdfDybere Forespørgsler