본 논문은 지식 그래프 임베딩에서 관계 특정 엔티티 변환을 활용하여 성능을 향상시키는 기존 연구의 한계를 해결하기 위해 Relation-Semantics Consistent Filter (RSCF)라는 새로운 플러그인 KGE 방법을 제안합니다. 기존 방법들은 관계 특정 변환 표현을 서로 독립적으로 지정하여 유사한 관계에 대해 서로 다른 변환과 엔티티 임베딩을 생성하고, 엔티티 기반 정규화를 통해 엔티티 임베딩이 과도하게 집중되어 관계 간 구별이 어려워지는 문제점을 가지고 있습니다. RSCF는 관계 간 공유된 어파인 변환, 루트 엔티티 변환, 변환 크기 정규화라는 세 가지 특징을 통해 의미적 일관성을 높인 엔티티 변환을 제시합니다. 또한, 임베딩의 의미를 보존하는 일관성의 장점을 증폭하기 위해 관계 변환 및 예측 모듈을 추가합니다. 결과적으로 거리 기반 및 텐서 분해 모델을 사용한 지식 그래프 완성 작업에서 최첨단 KGE 방법들을 능가하는 성능을 보이며, 모든 관계 및 관계 빈도에 걸쳐 견고성을 보여줍니다.
