[논문 리뷰] Group Representation Theory for Knowledge Graph Embedding

Chen Cai|arXiv (Cornell University)|2019. 09. 11.

Advanced Graph Neural Networks참고 문헌 27인용 수 4

한 줄 요약

이 논문은 지식 그래프 임베딩를 위한 군 표현 이론 프레임워크를 제안하며, 군 작용을 통해 기존 방법들을 통합한다. 슈어의 보조정리(Schur's lemma)를 적용하여 RotatE가 임의의 유한 아벨 군의 관계를 모델링할 수 있음을 증명함으로써, 그 표현력과 군 구조 간의 일반화 능력에 대한 이론적 기반을 확립한다.

ABSTRACT

Knowledge graph embedding has recently become a popular way to model relations and infer missing links. In this paper, we present a group theoretical perspective of knowledge graph embedding, connecting previous methods with different group actions. Furthermore, by utilizing Schur's lemma from group representation theory, we show that the state of the art embedding method RotatE can model relations from any finite Abelian group.

연구 동기 및 목표

• 지식 그래프 임베딩 방법과 군 표현 이론을 연결하는 이론적 프레임워크를 수립하기 위해.
• 군 작용의 관점에서 기존 방법들(예: RotatE)의 표현력을 설명하기 위해.
• Schur의 보조정리를 사용하여 RotatE가 임의의 유한 아벨 군의 관계를 표현할 수 있음을 입증하기 위해.
• 다양한 지식 그래프 임베딩 기법들을 동일한 대수적 구조 아래 통합하기 위해.

제안 방법

• 임베딩 공간 내에서의 군 작용으로 지식 그래프의 실체와 관계를 모델링하기 위해.
• 임베딩 공간 내의 불변 부분공간의 구조를 분석하기 위해 슈어의 보조정리를 적용하기 위해.
• 유한 아벨 군의 유니터리 표현으로서 RotatE를 공식화하기 위해.
• 관계를 복소 벡터 공간 내의 회전으로 매핑하기 위해 군 준동형사상을 사용하기 위해.
• 표현이 기약적이고 군 연산에 대해 불변이 되는 조건을 유도하기 위해.
• 임의의 유한 아벨 군 관계가 RotatE의 회전 메커니즘을 통해 임베딩될 수 있음을 증명하기 위해.

실험 결과

연구 질문

• RQ1 지식 그래프 임베딩 방법들이 군 이론적 프레임워크 아래에서 체계적으로 통합될 수 있는가?
• RQ2 RotatE가 다양한 관계를 모델링할 수 있는 이론적 근거는 무엇인가?
• RQ3 RotatE는 임의의 유한 아벨 군의 관계를 표현할 수 있는가?
• RQ4 군 표현과 슈어의 보조정리는 모델의 표현력을 보장하는 데 어떤 역할을 하는가?
• RQ5 다양한 군 작용은 기존 임베딩 아키텍처와 어떻게 대응되는가?

주요 결과

• Schur의 보조정리를 통해 RotatE가 임의의 유한 아벨 군의 관계를 모델링할 수 있음이 증명되었다.
• 이론적 프레임워크는 기존 방법들을 임베딩 공간에서의 다양한 군 작용으로 해석함으로써 통합한다.
• 슈어의 보조정리는 임베딩 공간이 기저가 되는 군의 대수적 구조를 존중함을 보장한다.
• 이 프레임워크는 RotatE가 링크 예측 작업에서 뛰어난 성능을 내는 이유를 설명한다.
• 관계를 군 원소로 표현하는 방식은 관측된 관계를 초월한 일반화를 위한 원칙적인 방법을 제공한다.
• 결과적으로 RotatE의 회전 메커니즘이 임의적이지 않고 군 표현 이론에 기반한 것임을 검증한다.