본 논문은 영유아의 언어 습득 과정을 모델링하고, 다음에 배울 단어를 예측하는 새로운 방법을 제시합니다. 기존의 신경망 및 그래프 모델의 한계를 극복하기 위해, 공간-시간 그래프 합성곱 신경망(STGCN)을 활용하여 영유아의 언어 학습 과정에서 발생하는 다양한 유형의 언어적 관계(감각운동적, 의미론적 등)를 고려합니다. 실험 결과, 제안된 모델은 감각운동적 관계(0.733) 및 의미론적 관계(0.729)를 사용하여 새로운 단어를 예측하는 데 2-층 피드포워드 신경망보다 높은 정확도를 보였으며, 특정 관계(예: 시각적)는 다른 관계(예: 청각적)보다 더 많은 관련 단어를 식별하는 데 효과적임을 보였습니다.
