RegD는 생명 과학 및 전자 상거래와 같은 다양한 분야에서 흔히 사용되는 계층적 데이터를 위한 유연한 Euclidean 프레임워크입니다. 이 프레임워크는 임의의 기하학적 영역(예: 상자, 공)을 임베딩 표현으로 사용할 수 있도록 지원하며, 영역 간의 깊이 기반 비유사성을 통합하여 hyperbolic-like의 표현력을 달성합니다. RegD는 Euclidean 공간에서 작동하지만, hyperbolic 기하학의 핵심 속성을 에뮬레이션하여 exponential growth를 포함합니다. 다양한 실제 데이터셋에 대한 실험 결과, RegD는 최첨단 방법론보다 일관된 성능 향상을 보였으며, 계층 구조를 넘어선 ontology 임베딩 작업과 같은 광범위한 응용 분야에 대한 잠재력을 보여주었습니다.
