본 논문은 계층적 데이터를 효과적으로 임베딩하는 쌍곡 기하학의 중요성을 강조하며, 지식 그래프 또는 온톨로지에서 파생된 계층 구조의 최적화가 쌍곡 임베딩의 질에 미치는 영향을 탐구한다. 특히, 높은 분기 계수와 단일 상속이 핵심임을 밝히고, 대규모 언어 모델(LLM)을 활용하여 이러한 기준을 충족하도록 계층 구조를 자동 재구성하는 프롬프트 기반 접근 방식을 제안한다. 16개의 다양한 계층 구조에 대한 실험을 통해 LLM으로 재구성된 계층 구조가 더 높은 품질의 쌍곡 임베딩을 생성하며, 설명 가능한 재구성을 가능하게 함을 보여준다.
