관계는 채널이다: Kraus 분해를 통한 지식 그래프 임베딩

요약

본 논문은 지식 그래프 임베딩(KGE) 모델의 근본적인 구조를 이론적으로 재정립하며, 모든 관계 연산자가 만족해야 하는 세 가지 공리(선형성, 트레이스 보존, 완전 양수성)를 식별합니다. 이 공리들은 Kraus 표현 정리(Kraus representation theorem)에 의해 Kraus 채널 구조로 특성화됩니다. 이를 바탕으로, 기존 모델의 한계를 극복하고 $1$-to-$N$ 및 $N$-to-$N$ 관계 처리가 가능하며 명시적 경로 인코더가 필요 없는 $ ext{KrausKGE}$를 제안합니다.

핵심 포인트

• KGE 연산자는 선형성, 트레이스 보존, 완전 양수성의 세 가지 공리를 만족해야 한다.
• 이러한 공리들은 Kraus 표현 정리(Kraus representation theorem)에 의해 Kraus 채널 구조로 특성화된다.
• 제안된 $ ext{KrausKGE}$는 $1$-to-$N$ 및 $N$-to-$N$ 관계를 자연스럽게 처리하며, 명시적인 경로 인코더 없이 $k$-hop 추론을 지원한다.
• 본 프레임워크는 KGE 문헌 최초로 이론적 근거 기반의 관계별 복잡도 측정 지표와 하한을 제공한다.