본문으로 건너뛰기

관계 볼(RelBall) : 쿼터니언 회전을 통한 지식 그래프 완성

지식 그래프 완성(Knowledge Graph Completion, KGC) 기술인 RelBall이 소개되었습니다. 이 기술은 지식 그래프의 다양한 관계 패턴을 모델링하고, 완전하지 않은 지식 그래프를 보완하는 데 도움을 줄 것입니다.

AI 자동 생성

지식 그래프 완성(Knowledge Graph Completion, KGC)은 지식 그래프의 완전하지 않은 부분을 보완하는 데 도움을 주는 기술입니다. 그러나 현재까지 개발된 지식 그래프 완성 모델들은 다양한 관계 패턴을 모델링하는 데 한계가 있습니다. 예를 들어, RotatE 모델은 대칭, 비대칭, 역, 그리고 순수한 합성 관계 패턴을 모델링할 수 있지만 비순수한 합성 관계 패턴을 모델링하는 데 실패합니다.

관계 볼(RelBall)의 특징

관계 볼(RelBall)은 Rotate3D 모델을 기반으로 개발되었으며, 두 가지 새로운 기술을 제공합니다.

  • 모듈러스 변환(modulus transformation): 지식 그래프의 계층 구조를 모델링하는 데 도움을 줍니다.
  • 꼬리 중심 관계 볼(tail-centric relation ball): 다양한 관계 패턴을 모델링할 수 있습니다.

관계 볼(RelBall)의 장점

관계 볼(RelBall)의 장점은 다음과 같습니다.

  • 모든 관계 패턴을 모델링할 수 있습니다.
  • 계층 구조를 모델링할 수 있습니다.
  • 대량 언어 모델(LLM)과 같은 다양한 관계를 모델링할 수 있습니다.

실험 결과

관계 볼(RelBall)은 다양한 지식 그래프 완성 모델과 비교하여 좋은 성능을 보였습니다.

원문 보기 arXiv AI

함께 읽으면 좋은 기사

AI 모델 2시간 전

노이즈가 있는 경찰 음성 데이터에 대한 미리 학습된 ASR 가짜 레이블링

방송 경찰 통신(Broadcast Police Communication, BPC)에서 노이즈가 많은 상황에서 훈련된 음성 인식 시스템이 나쁜 성능을 보인다. 이를 통해 경찰의 의사 결정이 이해될 수 없게 되고, 이는 경찰의 의사 결정에 대한 연구를 어렵게 만든다. 사용자 레이블을 비용이 많이 들지 않고 pseudo-labeling을 통해 ASR 성능을 개선할 수 있는 방법이 있다. 그러나 매

AI 모델 2시간 전

단백질 확산 모델의 테스트 시점 정렬을 위한 스펙트럴 피드백

Reward 최적화와 일치하는 방법을 위한 분산 확산 모델의 방법론은 대개 역과정의 방향을 조절하기 위해 로짓을 영향받거나 중간 단계에서 선호하는 시퀀스를 선택하는 것을 목표로 합니다. 이러한 접근법은 주로 추론을 단방향적인 과정으로 다루며, 불쾌한 토큰 선택을 재방문하는 메커니즘을 제공하지 못합니다. 우리는 Spectral Feedback 라는 알고리즘을 소개합니다. 이 알고리즘은 feed

AI 모델 2시간 전

3차원 구조 기반의 막통합 단백질의 상위 구조 예측

이 논문은 최신 그래프 신경망(GNN, Graph Neural Network)인 SchNet을 이용한 단백질拓종 추론의 새로운 방법을 제시한다. 모델은 최근 DeepTMHMM 모델을 개발하기 위해 사용된 데이터셋과 동일한 데이터셋을 사용하여 5-분할 교차 검증을 통해 학습되었다. 단백질 서열이나 $\alpha$- 탄소만을 특성으로 사용하는 전통적인 접근법과 달리, 우리는 분류기에서 모든 원자

관련 콘텐츠 더 보기

다른 플랫폼에서 이 주제에 대한 더 많은 정보를 확인하세요.