[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

ReCDAP: Relation-Based Conditional Diffusion with Attention Pooling for Few-Shot Knowledge Graph Completion

Created by
  • Haebom

저자

Jeongho Kim, Chanyeong Heo, Jaehee Jung

개요

본 논문은 지식 그래프(KG)에서 관계의 긴 꼬리 분포 문제를 해결하기 위해, 관계 기반 조건부 확산 및 어텐션 풀링을 사용하는 새로운 지식 그래프 완성 모델 ReCDAP을 제안합니다. 기존 연구들이 주로 양성 삼중항 정보에만 집중하거나 음성 삼중항을 부정확한 정보 표시로만 활용했던 것과 달리, ReCDAP은 음성 삼중항을 생성하여 양성 및 음성 관계에 대한 잠재 분포를 별도로 추정합니다. 어텐션 풀링 메커니즘을 통해 양성 및 음성 케이스 간 차이를 명시적으로 활용하여 성능을 향상시킵니다. 두 개의 널리 사용되는 데이터셋에서 기존 방법보다 우수한 성능을 달성함을 실험적으로 보여줍니다. 소스 코드는 깃허브에서 공개됩니다.

시사점, 한계점

•
시사점:
◦
지식 그래프의 관계 긴 꼬리 분포 문제를 효과적으로 해결하는 새로운 방법 제시.
◦
음성 삼중항 정보를 효과적으로 활용하여 지식 그래프 완성 성능 향상.
◦
어텐션 풀링을 통해 양성 및 음성 케이스 간 차이를 명시적으로 활용하여 성능 향상.
◦
최첨단 성능 달성 및 소스 코드 공개를 통한 재현성 확보.
•
한계점:
◦
제안된 방법의 성능 향상이 특정 데이터셋에 국한될 가능성.
◦
음성 삼중항 생성 방법의 개선 여지 존재.
◦
대규모 지식 그래프에 대한 확장성 및 효율성에 대한 추가 연구 필요.
👍
Made with Slashpage