본 논문은 온톨로지 임베딩을 위한 새로운 방법인 EIKE(Extensional and Intensional Knowledge Embedding)를 제안합니다. EIKE는 온톨로지의 지식을 외연적 지식(extensional knowledge)과 함축적 지식(intensional knowledge)으로 나누어 각각 기하 기반 방법과 사전 훈련된 언어 모델을 이용하여 표현합니다. 외연적 지식은 온톨로지 내 구체적인 인스턴스에 대한 정보를, 함축적 지식은 개념들의 고유 속성, 특징 및 의미 연관성을 나타냅니다. EIKE는 인스턴스, 개념 및 관계를 통합적으로 임베딩하여 구조 정보와 텍스트 정보를 모두 포착합니다. 실험 결과, 세 가지 데이터셋에서 삼중항 분류 및 링크 예측 작업 모두에서 기존 최첨단 방법들을 상당히 능가하는 성능을 보였습니다.
