본 논문은 시간적 지식 그래프(TKGs)에서 만료된 사실들이 추론 성능에 미치는 부정적 영향을 해결하기 위해, 반감기 이론을 활용하여 만료된 사실들을 필터링하는 새로운 프레임워크 HALO를 제안합니다. HALO는 시간적 사실 주의 모듈, 동적 관계 인식 인코더 모듈, 만료된 사실 필터링 모듈의 세 가지 모듈로 구성됩니다. 시간적 사실 주의 모듈은 역사적 사실의 진화를 파악하여 관련 사실을 식별하고, 동적 관계 인식 인코더 모듈은 각 사실의 반감기를 효율적으로 예측합니다. 마지막으로, 반감기 이론에 기반한 시간 감쇠 함수를 구성하여 사실의 시간적 유효성을 정량화하고 만료된 사실을 필터링합니다. 실험 결과, HALO는 세 개의 공개 데이터셋에서 최첨단 TKG 추론 방법보다 우수한 성능을 보였습니다.
