본 논문은 대규모 불완전 지식 그래프(KG) 상에서 복잡한 다단계 논리적 추론을 포함하는 복잡 논리 질의 응답(CLQA) 문제를 다룬다. 기존 CLQA 알고리즘은 높은 정확도를 달성하지만, 계산 시간과 메모리 사용량이 1차 논리(FOL) 연산자 수에 따라 크게 증가하는 문제가 있다. 이러한 한계를 해결하기 위해, 본 논문에서는 CLQA 작업을 위해 특별히 설계된 최초의 딥러닝 컴파일러인 KGCompiler를 제시한다. KGCompiler는 논문에서 제안된 KG 특화 최적화를 통합하여, 알고리즘 구현에 추가적인 수동 수정 없이 CLQA 알고리즘의 추론 성능을 향상시키고 메모리 사용량을 크게 줄인다. 실험 결과, KGCompiler는 CLQA 알고리즘을 평균 3.71배, 최대 8.26배까지 가속화하는 것으로 나타났다. 또한 KGCompiler를 직접 사용해볼 수 있는 인터페이스도 제공한다.
시사점, 한계점
•
시사점:
◦
CLQA 알고리즘의 성능 향상을 위한 컴파일러 수준 최적화의 효과를 실증적으로 보여줌.
◦
KG 특화 최적화 기법을 통해 CLQA 알고리즘의 속도와 메모리 효율 향상.
◦
KGCompiler를 통해 CLQA 알고리즘 개발 및 배포의 효율성 증대.
◦
사용자 친화적인 인터페이스 제공으로 KGCompiler 접근성 향상.
•
한계점:
◦
KGCompiler의 성능 향상 효과는 사용되는 CLQA 알고리즘과 KG의 특성에 따라 달라질 수 있음.
