728x90
반응형

그래프임베딩 2

DistMult

개요지식 그래프 임베딩(Knowledge Graph Embedding)은 개체(entity)와 관계(relation)를 수치 벡터로 변환하여 머신러닝에서 사용할 수 있도록 하는 핵심 기술입니다. 이 중에서도 DistMult는 단순하면서도 계산 효율이 뛰어난 내적 기반(score function) 모델로, 대칭 관계 표현에 강점을 갖고 있습니다. 본 포스트에서는 DistMult의 구조, 수식, 장단점 및 활용 사례를 티스토리 블로그에 적합한 형태로 소개합니다.1. 개념 및 정의DistMult는 개체와 관계를 동일한 벡터 공간에 임베딩하고, 관계를 **대각 행렬(diagonal matrix)**로 모델링하여 내적 기반 점수 함수로 트리플의 정당성을 평가하는 모델입니다.트리플 구조: (h, r, t)목적: h..

Topic 2025.06.19

TransE

개요지식 그래프(Knowledge Graph)의 정보는 기호 기반 삼중항 (head, relation, tail)으로 표현되며, 이를 머신러닝에 활용하려면 벡터로 변환해야 합니다. 이러한 벡터화를 위한 대표적인 임베딩 기법이 바로 **TransE(Translation Embedding)**입니다. TransE는 관계를 벡터 공간에서의 평행 이동(translation)으로 모델링하는 간단하면서도 강력한 알고리즘입니다.1. 개념 및 정의TransE는 개체와 관계를 같은 저차원 벡터 공간에 임베딩하여, 관계를 head entity에서 tail entity로의 **평행 이동(translation)**으로 모델링합니다.삼중항 (h, r, t)를 벡터 공간에 매핑하여, h + r 이 t 와 가깝도록 학습함목적: 벡..

Topic 2025.06.18
728x90
반응형