전체 글 (94) 썸네일형 리스트형 Review of Knowledge Graph Completion INDEX1. 시작하며2. 지식 그래프3. KGC의 목적과 이유 4. 모델 분류 4-1. Translation based4-2. Path based 4-3. Rule based 4-4. GNN based 5. 마무리 1. 시작하며 지식 그래프는 학부연구생을 시작하고 나서 처음으로 하나의 주제에 집중적으로 투자하게 된 분야이다. 지식 그래프의 완성을 목표로 하는 knowledge graph completion(이하 KGC)라는 분야이다. 본 글은 약 3개월간 KGC를 다룬 모델들과 그에 따른 추가적 생각들에 대한 정리글이다. 해당글은 tutorial 자료[1]로 공부한 바탕으로 만들어졌음을 알리고 싶다. 2. 지식 그래프지식 그래프(이하 KG)란 무엇일까. KG는 일반 그래프에서 노드를 entity,.. Relational Message Passing for Knowledge Graph Completion(PathCon) 논문 리뷰 Paper : Main interest지식 그래프(Knowledge Graph, KG)는 일반 그래프의 특수 형태이다. 단순히 두 노드 사이의 관계를 무방향 간선 또는 방향 간선만으로 표현하는 것이 아닌 relation을 포함시켜 표현한다. 가령 두 entity USA,Obama사이의 관계를 지식 그래프에서는 ObamahasNationality→USA로 표현될 수 있는 것이다. 즉 일반 그래프보다 더 풍부하고 다양한 정보를 저장할 수 있는 것이 지식 그래프인 것이다. 지식 그래프에서 우리가 해결하고자 하는 문제는 크게 2가지이다. KG에 있는 두 entity사이에 있어야 할 relation이 무엇이냐를 추론하는 link prediction과 head entity와 re.. DeepPath: A Reinforcement Learning Method for Knowledge Graph Reasoning 논문 리뷰 Paper : Main interset복잡한 자연어 문제에서 다중 연결을 활용한 추론 과정을 해결하고자 한다. 쿼리가 복잡해지고 길어질수록 이 문제를 해결하는 것이 중요하다. 따라서 본 연구에서는 지식 그래프(Knowledge Graph, KG)에서의 multi-hop 추론을 목적으로 한다. 예를 들어 선수 P가 클럽 T에서 활동하고 T가 리그 L에 포함되어 있음이 KG에서 다수 확인되면 모델은 스스로 playerPlaysForTeam(P,T)∧teamPlaysInLeague(T,L)⇒playerPlaysInLeague(P,L)와 같은 공식을 도출해 내는 것이다. 이 공식을 testing에서 적용하면 두 entity 사이의 link를 예측할 수 있게 되는 .. Random Walk Inference and Learning in A Large Scale Knowledge Base(PRA, 2011) 논문 리뷰 Paper : Main interest문제는 지식 그래프(Knowledge Graph, KG)의 생성으로 거슬러 올라간다. 본 연구에서 소개하기로 NELL(Never-Ending Language Learner)은 실시간으로 다량의 웹 데이터를 입력받아 텍스트에서 정보를 추출해 기존에 쌓아두었던 KB(Knowledge Base, KB)를 업데이트한다. 문제는 우리가 이 세상에 있는 모든 데이터를 끌어모을 수 없다는 한계 때문에 NELL을 통해 구축된 KB는 imperfect 하다. 이 문제를 해결하기 위해 KB에서 추론을 할 수 있는 모델을 만들자는 움직임이다. 즉 imperfect 한 것은 어쩔 수 없으니 빈 공간을 모델이 채우게끔 시키자는 것이다. 이는 NELL이 생성하는 KB뿐만 아니라 추천 시스템,.. Inductive Relation Prediction by Subgraph Reasoning(GralL) 논문 리뷰 Paper : Main interest지식 그래프에서의 relation prediction에 집중한다. 이는 즉 두 노드(entity) 사이에 간선(relation)이 존재한다면 어떤 relation이 오는 것이 가장 확률이 높은지 대한 탐구이다. 특히 이 연구에서는 inductive inference가 가능한 모델에 관심을 두고 있다. 즉 transductive inference(Knowledge Graph Embedding, KGE)의 한계를 타파하고 싶다는 것이다. Problem with previous works Inductive inference에 대한 더 자세한 배경은 다음과 같다. 초기 knowledge graph completion(link prediction, relation predi.. Link Prediction Based on Graph Neural Networks(SEAL) : 논문 리뷰 Paper : Presentation content :Main interest그래프에서의 link prediction을 주 관심사로 한다. 이는 즉 네트워크가 주어졌을 때 두 노드 사이의 link가 존재 유무를 판별하는 작업이다. 이는 추천 시스템은 물론이고 지식 그래프 completion, 의학 데이터 재구축(e.g., metabolic network, PPI) 등에 사용될 수 있다. Problem with previous models그래서 두 노드 사이의 연결을 어떻게 판별할 것인가? 가장 널리 사용된 방법은 휴리스틱을 정의하는 것이다. 휴리스틱이란 두 노드 사이의 link가 이루어질 score를 계산할 수 있는 일종의 함수이다. 즉 입력은 두 노드와 관련된 정보(주변의 구조적 특징, 두 노드로 이.. RLogic : Recursive Logical Rule Learning from Knowledge Graphs 논문 리뷰 Paper : Presentation content :Main interest지식 그래프(Knowledge Graph, KG)는 실세계 지식들을 담고 있는 특수 그래프이다. 노드는 entity, 방향 간선은 relation이라고 하며 하나의 triplet(i.e. (h,r,t) 또는 r(h,r))을 데이터 단위로 한다. 이를 사용해 추천 시스템, question answering, 다양한 추론 등에 활용할 수 있기 때문에 활용도가 무궁무진한 그래프 구조이다. 본 연구에서는 이런 semantic 데이터를 사용해 논리적 추론을 할 수 있는 모델을 만들고자 한다. 가령 위의 예시에서 $(Tim\, Cook,Succesor\,of,Steve\, Jobs)\wedge(Steve\, Jobs,For.. RNNLogic : Learning Logic Rules For Reasoning On Knowledge Graphs 논문 리뷰 Paper : Main interest지식 그래프(Knowledge Graph, KG)는 그래프 형태의 데이터 구조이다. 간선의 종류가 제한된 일반적인 그래프와는 다르게 지식 그래프는 간선을 relation, 노드를 entity라고 부르며 이들의 연결(i.e. triplet (h,r,t)=r(h,t))을 하나의 데이터 단위로 갖는다. 즉 아래의 그림과 같이 지식(Knowledge)을 통해 entity 사이의 관계를 그래프(Graph)처럼 표현할 수 있는 것이 KG가 된다. KG인 데이터를 KB(Knowledge Base)라고 하는데 실세계 정보를 담아야 하는 만큼 KB의 규모는 매우 크다. 그만큼 모든 정보를 우리가 다 수집할 수 없기 때문에 KB는 주로 incomplete 하다. 따라서 우.. 이전 1 2 3 4 ··· 12 다음 목록 더보기
