InductWave: 지식 그래프에서의 유도적 다중 점프 논리 질의 응답

InductWave: Inductive Multi-Hop Logical Query Answering on Knowledge Graphs

지식 그래프(KG)에 대한 논리적 다중 점프 질의 응답은, 암묵적인 완전성 가정을 바탕으로 하는 질의 문제로 정의될 수 있습니다. 기존 연구는 주로 존재론적 1차 논리(EFO) 질의에 집중하고 있으며, 이러한 EFO 질의는 결합, 분리 및 부정 연산자를 포함합니다. 대부분의 기존 연구에서는 귀납적 추론 방식을 사용하며, 이는 학습 과정에서 관찰되지 않은 엔터티에 대한 추론이 불가능하다는 의미입니다. 현실 세계에서는 자원 부족 문제가 있으며, 따라서 대규모 KG의 모든 노드를 사용하여 모델을 훈련하는 것은 어렵습니다. 이에 따라 본 연구에서는 대규모 KG에서의 논리 질의 응답을 위한 웨이블릿 기반의 유도적 임베딩 방법인 InductWave를 제안합니다. 여기서 훈련 그래프는 테스트 그래프보다 적은 수의 노드로 구성됩니다. 우리의 모델은 기준 모델과 동등한 성능을 보이며, 메시지 전달 레이어 수를 절반으로 줄였습니다. 대부분의 경우, 75%의 레이어에서 기준 모델보다 더 우수한 성능을 보입니다. 이러한 감소된 자원 요구 사항 덕분에 우리는 InductWave를 Wiki-KG과 같은 매우 큰 그래프에서도 평가할 수 있습니다. 우리의 모델은 FB15k-(237) 데이터셋에 대한 다양한 훈련-테스트 그래프 비율을 사용하여 광범위한 실험을 통해 최첨단 모델과 비교되었습니다. 모델의 코드 및 데이터셋은 https://github.com/kracr/inductwave/ 에서 확인할 수 있습니다.

Logical Multi-Hop Query Answering over Knowledge Graphs (KGs) can be formulated as querying, with an implicit completeness assumption. Current works mainly focus on Existential First Order Logic (EFO) queries. These EFO queries contain conjunction, disjunction, and negation operators. Most existing works employ transductive reasoning, meaning they are not capable of reasoning over entities unseen during training. In the real world, there is a resource scarcity, and we cannot train a model with all the nodes of a large KG. Hence, we propose InductWave, a wavelet-based inductive embedding method for logical query answering on large KGs. Here, the training graph consists of fewer nodes than the test graph. Our model performs on par with the baseline models while having half the number of message-passing layers. It outperforms all of them in most cases, with 75% of the layers. These fewer resource requirements enable us to evaluate InductWave on massive graphs, such as Wiki-KG. We test our model using extensive experiments across varying train-test graph proportions of the FB15k-(237) dataset, comparing it with the state-of-the-art models. The code and datasets for the model are available at https://github.com/kracr/inductwave/.