지식 그래프 엔티티 매칭을 위한 확장된 GCN 모델 설계 및 구현

초록

컴퓨터가 정보와 정보 사이의 관계를 이해하고 추론할 수 있는 시맨틱 웹은 최근 대량의 링크드 데이터에서 온톨로지를 활용하여 지식 통합을 효율적으로 수행할 수 있다. 하지만 이러한 온톨로지는 아직까지 이질성 문제 때문에 실제로 사용하기에는 정확성이 낮으며 간단한 엔티티 매칭도 실패하는 경우가 많이 발생한다. 이러한 이질성 문제를 해결하기 위해 본 논문에서는 보다 정교한 매칭을 위한 이중 그래프 컨볼루션 네트워크를 활용함과 동시에 누락되는 엔티티 매칭까지 할 수 있는 유사도 기법을 함께 결합한 확장된 GCN(Graph Convolutional Network) 모델을 제안한다. 실험 결과 본 논문에서 제안한 기법은 기존의 모델에 비해 약 10%의 성능 향상을 보인다.

키워드