본 논문은 지식 그래프 임베딩(KGE) 기법, 특히 관계(relation)의 정확한 모델링에 초점을 맞춰 심층 학습 모델의 성능 향상을 논의한다. 관계의 복잡한 매핑 특성(일대일, 일대다, 다대일, 다대다), 다양한 관계 패턴(대칭, 비대칭, 역전, 합성), 암시적 계층적 관계 등을 고려하여 기존의 관계 인식 매핑 기반 모델, 텐서 분해 기반 모델, 신경망 기반 모델 등을 종합적으로 검토한다. 또한 희소하고 동적인 지식 그래프에 대한 향후 연구 방향으로 다중 모달 정보 통합, 규칙을 이용한 관계 패턴 모델링 향상, 동적 KGE 환경에서의 관계 특성 포착 모델 개발 등을 제시한다.
