Knowledge Completion System using Neuro-Symbolic-based Rule Induction and Inference Engine

신원철; 박현규; 박영택

doi:10.5626/JOK.2021.48.11.1202

추천

검색

질문

자료유형: 학술저널

저자정보: 신원철 (숭실대학교) 박현규 (숭실대학교) 박영택 (숭실대학교)

저널정보: Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.48 No.11

발행연도: 2021.11

수록면: 1,202 - 1,210 (9page)

DOI: 10.5626/JOK.2021.48.11.1202

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

최근 지식 그래프의 불완전성 문제를 해결하기 위한 다양한 지식 완성 연구중 딥러닝 학습 방법과 로직 시스템의 장점을 결합한 NTP(Neural Theorem Prover)와 같은 연구가 기존 연구들에 비해 좋은 성능을 내고 있다. 하지만 NTP는 하나의 입력에 대한 예측 결과를 얻기 위해 지식 그래프의 모든 트리플이 연산에 관여하게 되므로 대용량 지식 그래프 처리에 한계가 있다. 본 논문에서는 NTP의 계산 복잡도 문제를 개선한 모델로부터 심볼의 벡터 표현을 학습하여 규칙을 유도하고, 추론 엔진을 사용하여 유도된 규칙으로부터 지식 추론을 수행할 수 있는 딥러닝 학습 방식과 로직 추론 방식의 통합시스템을 제안한다. 본 논문에서 사용한 규칙 생성모델의 규칙유도 성능 검증을 위해 NTP와 Nations, Kinship, UMLS 데이터 셋을 대상으로 유도된 규칙을 활용한 테스트 데이터 추론가능 여부를 비교하였으며, 대규모 지식그래프인 Kdata와 WiseKB를 사용한 실험에서는 추론 엔진을 통한 지식 추론 결과 실험에 사용된 지식 그래프에 비해 각각 Kdata는 30%, WiseKB는 95%증가된 지식 그래프를 얻을 수 있었다.

#지식 그래프 #딥러닝 #로직 시스템 #추론 엔진 #지식 추론 #knowledge graphs #deep learning #logic system #inference engine #knowledge inference

참고문헌 (14)

참고문헌 신청

Bollacker. K, Evans. C, Paritosh. P, Sturge. T, and Taylor, J., "Freebase: A collaboratively created graph database for structuring human knowledge," Proc. of the 2008 ACM SIGMOD international Conference on Management of data, pp. 1247-1250, 2008.

J. Lehmann, R. Isele, M. Jakob, A. Jentzsch, D. Kontokostas, P. N. Mendes, ... and Bizer, C., "DBpedia–a large-scale, multilingual knowledge base extracted from Wikipedia," Semantic Web, Vol. 6, No. 2, pp. 167-195, 2015.

Suchanek, Fabian M., Gjergji Kasneci, and Gerhard Weikum, "Yago: a core of semantic knowledge," Proc. of the 16th international conference on World Wide Web. ACM, 2007.

Horrocks, Ian, et al., "SWRL: A semantic web rule language combining OWL and RuleML," W3C Member submission 21 (2004): 79.

T. Rocktäschel and S. Riedel, "End-to-End Differentiable Proving," Advances in Neural Information Processing Systems 30: Annual Conference on Neural Information Processing Systems 2017, pp. 3791-3803, Dec. 2017.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

신원철

소속기관 숭실대학교

주요연구분야 사회과학 > 경영학 공학 > 컴퓨터학

논문수 7 이용수 846

박현규

소속기관 숭실대학교

주요연구분야 공학 > 컴퓨터학 공학 > 전기전자공학 > 전자공학

논문수 29 이용수 3,141

박영택

소속기관 숭실대학교

주요연구분야 공학 > 컴퓨터학 TOP 5% 공학 > 전기전자공학 > 전자공학

논문수 164 이용수 24,103

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2021-569-002168914

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (14)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)