RotatE

개요

지식 그래프(Knowledge Graph)의 삼중항 (head, relation, tail)은 복잡한 관계 구조를 포함합니다. 이러한 구조를 벡터 공간에서 효율적으로 표현하고 추론하기 위한 고급 기법 중 하나가 **RotatE(Rotation Embedding)**입니다. RotatE는 복소수 벡터 공간 상에서 관계를 회전(rotation) 으로 모델링함으로써, 대칭·비대칭·환형 관계까지도 자연스럽게 표현할 수 있는 강력한 임베딩 모델입니다.

---

1. 개념 및 정의

RotatE는 개체(entity)와 관계(relation)를 복소수 공간에서 임베딩하고, 관계를 단위 복소수 벡터로 표현하여 head 벡터를 tail 벡터로 회전 변환하는 방식입니다.

• 삼중항 (h, r, t)는 복소수 벡터로 매핑됨
• 관계 벡터 r은 각도를 갖는 회전자로 해석되어, head 벡터를 회전시켜 tail에 가깝게 만드는 방식
• 모델링 목표: tail 벡터는 head 벡터를 관계 벡터만큼 회전한 위치에 위치함

---

2. 특징

항목	설명	RotatE의 특성
벡터 공간	복소수 평면	위상(rotation) 정보 포함
관계 표현	각도 기반 회전자	복소수 (cosθ + i·sinθ) 형식으로 표현
점수 함수	head와 관계 벡터를 곱한 뒤 tail과의 거리 계산	L1 또는 L2 거리 사용
관계 다양성	대칭/비대칭/환형 관계 모두 표현 가능	다양한 관계 패턴 지원

---

3. 구성 요소 및 연산 방식

구성 요소	설명	예시
Head Vector (h)	개체 A의 복소수 벡터	예: ‘SteveJobs’
Relation Vector (r)	복소 회전자 (절댓값 1, 각도 θ의 복소수)	예: ‘founded’는 각도 θ의 회전자로 해석
Tail Vector (t)	개체 B의 복소수 벡터	예: ‘Apple’
Score Function	head × relation 결과와 tail 벡터 사이의 거리 계산	h와 r의 곱과 t의 차의 L1 또는 L2 거리
손실 함수	양성과 음성 트리플 간 거리 차이 학습	margin ranking 기반 또는 binary cross entropy 사용

---

4. 기술 요소

기술 요소	설명	도구 예시
복소수 연산	실수 + 허수 분리 또는 2배 차원의 실수 벡터로 구현	PyTorch 복소수 또는 numpy 지원 활용
각도 조절	회전 각도는 [0도 ~ 360도] 범위 내에서 학습됨	위상 기반 학습
정규화	관계 벡터는 항상 절댓값 1 유지 (unit modulus)	회전자 역할 수행
구현 프레임워크	다양한 구현 가능	PyKEEN, DGL-KE, OpenKE 등

---

5. 장점 및 한계

구분	장점	한계
관계 다양성 표현	대칭, 비대칭, 순환 관계 등 모두 학습 가능	다양한 구조 학습에 적합
직관적 구조	회전이라는 개념을 통해 관계 방향성 설명 가능	방향 표현에 용이
효율성	복소수 곱 기반 연산으로 빠른 학습 가능	연산 단순화 가능
해석 난이도	복소수 회전 의미를 직관적으로 이해하기 어려움	모델 해석에 추가 설명 필요

---

6. 활용 사례 및 고려사항

사례	설명	포인트
지식 그래프 완성	누락된 트리플 예측	구조적 관계 회전 기반 유추
검색/QA	관계 기반 유사 질의 응답	유사 각도 방향성 학습 활용
시맨틱 추천	유저-아이템 방향성 선호 반영	관계 방향 포함된 추천 가능

고려사항:

• 관계가 각도 회전으로 표현 가능해야 성능이 발휘됨
• 복소수 연산 구현 가능한 프레임워크 사용 권장
• 임베딩 공간의 해석력은 낮으므로 응용 시스템에서 추가 처리 고려 필요

---

7. 결론

RotatE는 복소수 공간 내에서 회전 기반 관계 표현을 통해 지식 그래프의 다양한 구조적 특성을 효과적으로 학습할 수 있는 모델입니다. 특히 비대칭이나 환형 관계 등 복잡한 구조도 자연스럽게 모델링 가능하며, 계산 효율성 또한 뛰어나 AI 기반 추천 시스템, QA 시스템, 관계 추론 등 다양한 분야에서 적용될 수 있습니다.