본 논문은 다양한 관계형 데이터를 표현하기 위한 지식 그래프 임베딩 방법론인 HyperComplEx를 제안한다. HyperComplEx는 쌍곡선, 복소수, 유클리드 공간을 학습된 어텐션 메커니즘을 통해 결합하여, 각 관계 유형에 최적의 기하학적 공간을 동적으로 선택하고, 여러 공간에서 일관된 예측을 보장한다. 컴퓨터 과학 연구 지식 그래프에 대한 실험을 통해 기존의 state-of-the-art 모델들을 능가하는 성능을 보였으며, 대규모 데이터셋에서도 효율적인 학습과 추론을 유지함을 입증했다.
