Knowledge Graph (지식 그래프)

요즘 Graph science 분야에서 지식 그래프 (Knowledge Graph)가 굉장한 이슈입니다.

​

지식 그래프의 정의에 대해 먼저 살펴보자면, 지식 그래프는 데이터의 일종으로 지식이라는 개념을 매우 구조적으로 구성한 것입니다.

​

예를 들어보도록 하겠습니다.

​

코끼리라는 지식이 있을 때, 코끼리의 특징을 모두 데이터로 만들 수 있습니다.

코끼리에 대한 지식을 모아보자면,

​

코끼리는 동물이다.

코끼리는 코가 길다.

코끼리는 초식이다.

코끼리는 굉장히 무거운 동물이다.

​

이러한 모든 지식들을 그래프 구조하에 만드는 것이 지식 그래프입니다.

​

한 가지 예를 더 들어보면, 위의 그래프가 지식그래프로 볼 수 있습니다.

A와 B가 친구 관계에 있으며, A와 B는 모두 다양한 정보를 가지고 있습니다.

직업에 대한 정보에 대해서, A는 학생, B는 회사원입니다.

그리고, 소속, 좋아하는 영화 장르, 취미 등에 대한 정보도 있을 것입니다.

​

이처럼 한 그래프 내에서, 노드 (Entity)가 다양한 속성을 가지고 있으며, 엣지 (Relation) 또한 다양한 속성을 가지고 있습니다.

​

이러한 지식그래프의 복잡성 때문에, 일반적인 그래프와는 다른 방법으로 데이터 전처리가 이루어져야 합니다.

​

이전 포스팅에서 배웠던 GCN의 경우, 노드들에 대해서, 한가지 Edge 속성에 대해서 인접 행렬을 정의하고, 그에 따른 convolutional 연산을 수행합니다.

​

수 많은 Edge 속성을 가지는 지식 그래프에 적용하기에는 어려움이 있습니다.

​

따라서 많은 연구자들이, 지식 그래프의 특성을 잘 나타내는 방법들에 대해서 관심을 가지게 되었고, knowledge graph embedding 방법들이 많이 제안 되었습니다.

​

다음 포스팅에서는 TransE, TransH, TransR 에 대해서 배워보도록 하겠습니다.

​