본 논문은 시간에 따라 동적으로 변화하는 실세계 사실을 관리하는 효과적인 패러다임인 지식 그래프(KGs)에서의 링크 예측 문제를 다룹니다. 기존의 시간적 KG에 대한 링크 예측 기법들은 임의로 정의된 시간 간격을 사용하여 KG의 시간적 스냅샷 시퀀스를 고려하거나, 미리 정의된 시간 단위에 따라 시간적 사실을 유효 기간 동안 확장하는 방식을 사용합니다. 하지만 이러한 접근 방식은 시간 간격/단위 선택에 민감하고, 유효 기간이 긴(심지어 무한한) 사실을 처리할 때 계산상의 어려움을 겪습니다. 최근의 초관계형 KG는 사실의 시간적 유효성을 사실을 설명하는 한정자로 나타내지만, 일부 사실의 무한한 유효성을 무시하고 한정자에서 시간적 유효성에 대한 정보가 충분하지 않다는 한계가 있습니다. 본 논문에서는 시간적 초관계형 지식 그래프를 위한 다용도 시간 표현 학습 방법인 VITA를 제안합니다. VITA는 사실의 네 가지 유형의 시간적 유효성(since, until, period, time-invariant)을 유연하게 수용할 수 있는 다용도 시간 표현을 제안하고, 시간 값과 시간 범위의 두 가지 측면에서 시간 정보를 효과적으로 학습하여 링크 예측 성능을 향상시킵니다. 실제 KG 데이터셋에서 다양한 기준과 비교하여 VITA를 철저히 평가하였으며, 그 결과 VITA가 다양한 링크 예측 작업(누락된 엔티티, 관계, 시간 및 기타 숫자 리터럴 예측)에서 최고 성능의 기준보다 최대 75.3%까지 성능이 우수함을 보여줍니다. ablation study와 사례 연구는 주요 설계 선택을 뒷받침합니다.
