Knowledge Graph Reasoning/Reasoning_Inductive Rule Mining (5) 썸네일형 리스트형 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.. 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.. DRUM:End-To-End Differentiable Rule Mining On Knowledge Graphs 논문 리뷰 Paper : Presentation content :Main interest그래프는 노드와 간선으로 이루어져 있다. 노드를 객체, 간선을 객체 간의 연결로 이해할 수 있다. 여기서 더 나아가 지식 그래프(Knowledge Graph, KG)에 대해 살펴보자. 지식 그래프는 객체(entity) 사이의 관계를 간선(relation)으로 정의한 데이터 집합이다. 독특한 점은 간선은 양방향, 방향 간선뿐이며 간선에 종류가 있다는 점이다. 가령 parent_of, is_capital_of 등이 있다. 하나의 triplet (h, r, t) 형태가 데이터 단위가 되며 h -> r -> t 순서로 관계가 정의된다(e.g., (Paris, is_capital_of, France)). 그래서 KG에서 우리가 모델에 학.. Differentiable Learning of Logical Rules for Knowledge Base Reasoning(Neural LP) 논문 리뷰 Paper :Main interest지식 그래프(Knowledge graph, KG)는 방대한 크기의 정보 담고 있으며 2개의 entity(h, t)와 1개의 relation(r)으로 하나의 triplet을 구성하고 이것이 KG의 데이터 단위가 된다. 예를 들어 (h,r,t)로 triplet을 표현할 수 있고 조금 더 relation 중심으로 표현하면 r(h,t)로 표기할 수 있다. 다만 주의해야 할 것은 일반적으로 (h,r,t)는 h->r->t를 의미하지만 이 연구에서는 r(h,t)를 더 많이 사용하고 t->h 방향으로 relation이 뻗어간다. 앞으로 글에서 r(h,t)를 표준으로 사용하겠다. 다양한 데이터를 담고 있는 만큼 지식 데이터(Knowledge base, K.. 이전 1 다음
