본 논문은 관계형 영역에서의 추론 능력을 향상시키기 위해 새로운 그래프 신경망(GNN) 아키텍처인 Epistemic GNN (EpiGNN)을 제안합니다. 기존 GNN의 한계인 체계적인 일반화 부족을 극복하기 위해, EpiGNN은 노드 임베딩을 인식론적 상태로 취급하고 메시지 전달을 그에 맞춰 구현합니다. EpiGNN은 체계적인 추론을 요구하는 링크 예측 작업에서 최첨단 결과를 달성하고, 유도적 지식 그래프 완성에서도 최첨단 전문화된 접근 방식과 비슷한 성능을 보입니다. 또한, 여러 경로의 정보 집계를 필요로 하는 새로운 두 가지 벤치마크를 도입하여 기존 신경-상징적 접근 방식의 한계를 보이고, EpiGNN이 정확하게 추론하는 것을 보여줍니다. 코드와 데이터셋은 공개되어 있습니다.
