Explanation segments 기반 설명 가능한 지식 완성 모델An Explainable Knowledge Completion Model Using Explanation Segments
- Other Titles
- An Explainable Knowledge Completion Model Using Explanation Segments
- Authors
- 이민호; 이완곤; 바트셀렘; 박영택
- Issue Date
- Jun-2021
- Publisher
- 한국정보과학회
- Keywords
- knowledge graph; explainable knowledge completion; embedding; attention mechanism; 지식 그래프; 설명 가능한 지식 완성; 임베딩; 어텐션 메커니즘
- Citation
- 정보과학회논문지, v.48, no.6, pp.680 - 687
- Journal Title
- 정보과학회논문지
- Volume
- 48
- Number
- 6
- Start Page
- 680
- End Page
- 687
- URI
- http://scholarworks.bwise.kr/ssu/handle/2018.sw.ssu/41153
- DOI
- 10.5626/JOK.2021.48.6.680
- ISSN
- 2383-630X
- Abstract
- 최근 딥러닝을 활용하여 불완전한 지식 그래프를 대상으로 새로운 링크를 예측하는 연구가 많이 진행되고 있지만, 딥러닝을 활용한 링크 예측은 추론 결과에 대한 설명이 불가능하다는 한계점이 있다. 따라서 본 논문에서는 링크 예측 후, 추론 결과를 뒷받침하는 증거로서 설명 가능한 추론 경로를 제공하여 지식 완성의 효용성이 높은 모델을 제안한다. 이를 위해 우선 지식 그래프의 주어를 시작으로 목적어로 도달하는 또 다른 경로를 Path Ranking Algorithm 활용하여 생성하며, 이를 explanation segment라 정의하였다. 이 후 생성된 explanation segment를 CNN과 양방향 LSTM을 결합한 방식을 적용하여 임베딩 한다. 마지막으로 임베딩 된 explanation segment들과 추론할 후보 술어와의 의미적 유사성 계산을 기반으로 한 어텐션 메커니즘을 적용하여, 링크 예측 모델을 학습하였다. 모델 학습 후 링크 예측 설명에 적합한 explanation segment를 어텐션 점수에 기반으로 선정하여 제공한다. 제안하는 방법의 성능을 측정하기 위해 링크 예측 비교 실험 및 링크 예측 결과에 대한 설명으로 적합한 explanation segment의 비율을 측정하는 정확성 검증 실험을 진행하였다. 실험 데이터는 벤치마크 데이터인 NELL-995, FB15K-237, Countries를 대상으로 진행하였으며, 정확성 검증 실험에서 평균 89%. 44%, 97% 정확성을 보였고, 기존 연구와 비교했을 때, NELL-995는 평균 35%p, FB15K-237은 평균 21%p 높은 성능을 보였다.
- Files in This Item
- There are no files associated with this item.
- Appears in
Collections - College of Information Technology > School of Computer Science and Engineering > 1. Journal Articles
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.