본 논문은 열대, 로그, 확률 반환과 같은 이진 반환이 비터비 디코딩, 동적 프로그래밍, 확률적 추론과 같은 작업에 사용되지만, 이진 곱 연산자에 의존하여 쌍별 상호 작용만을 모델링하는 한계를 지적합니다. 지식 그래프의 주어-술어-목적어 관계, 두 전제와 하나의 결론을 포함하는 논리적 규칙, 구조적 의사 결정 프로세스의 다중 엔터티 종속성과 같이 삼항 관계가 필요한 문제를 해결하기 위해, 본 논문은 삼항 감마 반환 이론에 기반한 학습 가능하고 미분 가능한 대수 프레임워크인 Neural Ternary Semiring (NTS)을 제안합니다. NTS는 이진 곱을 신경망으로 구현된 고유한 삼항 연산자로 대체하고, 결합 및 분배 법칙을 근사적으로 적용하는 대수적 정규화기를 사용합니다. 삼항 감마 반환이 학습 가능한 기호적 추론을 위한 수학적으로 원리적이고 실질적으로 효과적인 기반을 제공함을 보입니다.
