리서치 연구
FlowNeg: GFlowNet-Guided Diverse Hard Negative Sampling for Knowledge Graph Embedding
ARarXiv
지식 그래프 임베딩 학습을 위해 GFlowNet 기반의 다양한 하드 네거티브 샘플링 기법인 FlowNeg을 개발했다.
세 줄 요약
- FlowNeg은 컨텍스트 조건부 계층 생성 흐름 네트워크로, 터미널 보상에 모델 기반 난이도와 구조적 점수를 결합한다. 5개 아키텍처/5개 벤치마크에서 EMU보다 높은 평균 MRR을 기록했다.
- FlowNeg은 거의 균일한 고정 파티션 다양성, 높은 기울기 정보성, 낮은 충돌률을 달성하여 기존 방식의 한계를 개선한다.
- 구조적 유사성을 개방 세계의 진실 오라클로 취급하지 않으며, 모드 커버링 네거티브 생성이 가능하다는 점을 확인했다.
지식 그래프 임베딩 학습을 위해 GFlowNet 기반의 다양한 하드 네거티브 샘플링 기법인 FlowNeg을 개발했다.