Core Concepts
기존 시간 지식 그래프 추론 모델은 불확실한 예측을 피할 수 없어 실제 응용에 위험을 초래할 수 있다. 따라서 이 논문에서는 기존 모델에 선별적 예측 기능을 추가하여 불확실한 예측을 피할 수 있는 방법을 제안한다.
Abstract
이 논문은 시간 지식 그래프(TKG) 추론 작업에서 선별적 예측 기능을 제공하는 방법을 제안한다. 기존 TKG 추론 모델은 불확실한 예측을 피할 수 없어 실제 응용에 위험을 초래할 수 있다. 이를 해결하기 위해 저자들은 CEHis라는 신뢰도 추정기를 개발했다.
CEHis는 두 가지 정보를 고려한다. 첫째, 현재 예측의 확실성이다. 둘째, 과거 예측의 정확도이다. 과거 예측의 정확도는 현재 예측의 신뢰도를 나타내는 지표가 될 수 있다. CEHis는 이 두 가지 정보를 활용하여 현재 예측의 신뢰도를 평가하고, 신뢰도가 낮은 경우 예측을 포기하도록 한다.
실험 결과, CEHis를 적용한 TKG 추론 모델이 기존 모델보다 우수한 성능을 보였다. 이는 과거 예측의 정확도를 고려하는 것이 현재 예측의 신뢰도를 평가하는 데 도움이 된다는 것을 보여준다.
Stats
현재 예측의 최대 확률은 0.75이다.
과거 관련 쿼리에 대한 예측 정확도는 0.36이다.
Quotes
"기존 TKG 추론 모델은 불확실한 예측을 피할 수 없어 실제 응용에 위험을 초래할 수 있다."
"CEHis는 현재 예측의 확실성과 과거 예측의 정확도를 고려하여 현재 예측의 신뢰도를 평가한다."