본 논문은 다중 관계(N-ary) 사실을 포함하는 지식 그래프에서 누락된 관계를 추론하는 완전 귀납적 링크 예측(ILP)을 위한 N-ary 부분 그래프 추론 프레임워크를 제안합니다. 기존의 엔티티 임베딩 기반 방법들이 엔티티 독립적인 논리적 규칙을 포착하는 데 어려움을 겪는다는 점을 해결하기 위해, N-ary 의미 초그래프라는 새로운 그래프 구조를 도입하여 부분 그래프 추출을 용이하게 하고, 부분 그래프 내 복잡한 의미적 상관관계를 효과적으로 마이닝하는 부분 그래프 집계 네트워크(NS-HART)를 개발합니다. NS-HART의 효과성에 대한 이론적 분석과 다양한 귀납적 벤치마크에 대한 실험 결과를 통해, 제안된 프레임워크의 우수성과 NS-HART의 뛰어난 귀납적 능력을 보여줍니다.
