본 논문은 지식 그래프 임베딩(KGE) 모델에서 관계를 나타내는 데 사용되는 기본 기하 변환(EGT)의 한계를 극복하기 위해, 관계별 최적의 기하 변환을 선택하는 프레임워크를 제안합니다. 기존 SOTA KGE 모델들은 단일 또는 복합적인 EGT만을 사용하여 모든 관계를 표현하지만, 본 논문의 프레임워크는 각 관계에 가장 적합한 EGT를 평가하고, 이를 각 관계에 할당하거나 다수결 투표를 통해 하나의 EGT를 선택합니다. 저차원 벡터 공간에서 어텐션 메커니즘을 통해 관계별 EGT를 학습하고, 학습된 관계와 EGT 간의 상관관계를 고차원 벡터 공간의 관계 임베딩에 활용합니다. 세 개의 벤치마크 지식 그래프와 실제 금융 지식 그래프에 대한 실험 결과, 최첨단 모델들과 비교 가능한 성능을 보임을 확인했습니다.
