지식 그래프 링크 예측을 위한 Seq2Seq 모델 내 그래프 구조 활용

요약

지식 그래프의 링크 예측 성능을 높이기 위해 T5-small 모델과 관계형 그래프 어텐션 네트워크(RGAT)를 결합한 GA-S2S 프레임워크를 제안합니다. 이 모델은 기존 Seq2Seq 모델이 놓치기 쉬운 그래프의 구조적 토폴로지와 텍스트 특징을 동시에 인코딩하여 멀티홉 관계 패턴을 효과적으로 포착합니다. CoDEx 데이터셋 실험 결과, 기존 베이스라인 대비 링크 예측 정확도에서 최대 19%의 성능 향상을 기록했습니다.

핵심 포인트

• T5-small 인코더-디코더와 RGAT를 통합한 GA-S2S 프레임워크 제안
• 텍스트 특징과 k-hop 서브그래프 토폴로지를 공동 인코딩하여 구조적 정보 보존
• 관계 인지 임베딩을 통해 풍부한 멀티홉 관계 패턴 및 텍스트 정보 활용
• CoDEx 데이터셋 기준 기존 Seq2Seq 모델 대비 최대 19%의 성능 향상 달성