1 |
1
컴퓨터에 의해 수행되는 방법에 있어서,입력 지식 데이터를 기반으로 제1 지식 그래프 임베딩 모델의 학습을 수행하는 단계;상기 학습된 제1 지식 그래프 임베딩 모델로부터 모든 임베딩 벡터를 추출하고, 추출된 임베딩 벡터를 기반으로 사전 지식을 추출하는 단계; 및상기 추출된 사전 지식을 기반으로 임베딩 벡터의 초기화 및 상기 입력 지식 데이터의 변형 중 적어도 하나를 통한 제2 지식 그래프 임베딩 모델의 학습을 수행하는 단계를 포함하는,지식 그래프 임베딩 모델의 성능 향상을 위한 학습 방법
|
2 |
2
제1항에 있어서,상기 사전 지식을 추출하는 단계는,상기 학습된 제1 지식 그래프 임베딩 모델로부터 엔터티 임베딩 벡터를 추출 및 클러스터링하는 단계;상기 클러스터링 결과를 기반으로 사전 지식으로 활용할 엔터티의 가상 타입을 결정하는 단계를 포함하는,지식 그래프 임베딩 모델의 성능 향상을 위한 학습 방법
|
3 |
3
제2항에 있어서,상기 제2 지식 그래프 임베딩 모델의 학습이 완료됨에 따라, 클러스터링을 위해 미리 설정된 파라미터의 탐색 범위를 재조정하는 단계를 더 포함하고,상기 학습된 제1 지식 그래프 임베딩 모델로부터 엔터티 임베딩 벡터를 추출 및 클러스터링하는 단계는,상기 조정된 파라미터를 기반으로 상기 클러스터링을 수행하는 것인,지식 그래프 임베딩 모델의 성능 향상을 위한 학습 방법
|
4 |
4
제2항에 있어서,상기 사전 지식을 추출하는 단계는,상기 학습된 제1 지식 그래프 임베딩 모델로부터 관계 임베딩 벡터를 추출하는 단계를 더 포함하고,상기 학습된 제1 지식 그래프 임베딩 모델로부터 엔터티 임베딩 벡터를 추출 및 클러스터링하는 단계는,상기 추출된 엔터티 임베딩 벡터 및 관계 임베딩 벡터를 대상으로 클러스터링을 수행하는 것인,지식 그래프 임베딩 모델의 성능 향상을 위한 학습 방법
|
5 |
5
제2항에 있어서,상기 제2 지식 그래프 임베딩 모델의 학습을 수행하는 단계는,상기 클러스터링 결과로 생성된 클러스터별로, 동일 타입의 클러스터에 속한 임베딩 벡터들의 평균 벡터를 산출하는 단계;상기 산출된 평균 벡터를 동일 타입의 클러스터에 속한 엔터티의 임베딩 벡터 초기화 값으로 결정하는 단계; 및상기 결정된 임베딩 벡터 초기화 값을 기반으로 상기 제2 지식 그래프 임베딩 모델의 학습을 수행하는 단계를 포함하는,지식 그래프 임베딩 모델의 성능 향상을 위한 학습 방법
|
6 |
6
제2항에 있어서,상기 제2 지식 그래프 임베딩 모델의 학습을 수행하는 단계는,상기 결정된 엔터티의 가상 타입을 기반으로 상기 입력 지식 데이터의 관계를 변형시키는 단계; 및상기 관계가 변형된 입력 지식 데이터를 기반으로 상기 제2 지식 그래프 임베딩 모델의 학습을 수행하는 단계를 포함하는,지식 그래프 임베딩 모델의 성능 향상을 위한 학습 방법
|
7 |
7
제1항에 있어서,상기 제1 지식 그래프 임베딩 모델과 제2 지식 그래프 임베딩 모델은 동종의 지식 그래프 임베딩 모델인 것인,지식 그래프 임베딩 모델의 성능 향상을 위한 학습 방법
|
8 |
8
제1항에 있어서,상기 제1 지식 그래프 임베딩 모델과 제2 지식 그래프 임베딩 모델은 이종의 지식 그래프 임베딩 모델인 것인,지식 그래프 임베딩 모델의 성능 향상을 위한 학습 방법
|
9 |
9
제1 지식 그래프 임베딩 모델의 학습을 수행하는 기본 학습부,상기 제1 지식 그래프 임베딩 모델로부터 추출된 임베딩 벡터를 기반으로 사전 지식을 추출하는 사전 지식 추출부 및상기 사전 지식을 기반으로 임베딩 벡터의 초기화 및 학습을 위한 입력 지식 데이터의 변형 중 적어도 하나를 통한 제2 지식 그래프 임베딩 모델의 학습을 수행하는 심화 학습부를 포함하는,지식 그래프 임베딩 모델의 성능 향상을 위한 프레임워크 시스템
|
10 |
10
제9항에 있어서,상기 사전 지식 추출부는 상기 학습된 제1 지식 그래프 임베딩 모델로부터 엔터티 임베딩 벡터 및 관계 임베딩 벡터를 추출 및 클러스터링하고, 상기 클러스터링 결과를 기반으로 사전 지식으로 활용할 엔터티의 가상 타입을 결정하는 것인,지식 그래프 임베딩 모델의 성능 향상을 위한 프레임워크 시스템
|
11 |
11
제10항에 있어서,상기 제2 지식 그래프 임베딩 모델의 학습이 완료됨에 따라, 클러스터링을 위해 미리 설정된 파라미터의 탐색 범위는 조정되고,상기 사전 지식 추출부는 상기 조정된 파라미터를 기반으로 상기 클러스터링을 수행하는 것인,지식 그래프 임베딩 모델의 성능 향상을 위한 프레임워크 시스템
|
12 |
12
제10항에 있어서,상기 심화 학습부는 상기 클러스터링 결과로 생성된 클러스터별로, 동일 타입의 클러스터에 속한 임베딩 벡터들의 평균 벡터를 산출하고, 상기 산출된 평균 벡터를 동일 타입의 클러스터에 속한 엔터티의 임베딩 벡터 초기화 값으로 결정한 후, 상기 결정된 임베딩 벡터 초기화 값을 기반으로 상기 제2 지식 그래프 임베딩 모델의 학습을 수행하는 것인,지식 그래프 임베딩 모델의 성능 향상을 위한 프레임워크 시스템
|
13 |
13
제10항에 있어서,상기 심화 학습부는 상기 결정된 엔터티의 가상 타입을 기반으로 상기 입력 지식 데이터의 관계를 변형시키고, 상기 관계가 변형된 입력 지식 데이터를 기반으로 상기 제2 지식 그래프 임베딩 모델의 학습을 수행하는 것인,지식 그래프 임베딩 모델의 성능 향상을 위한 프레임워크 시스템
|
14 |
14
제9항에 있어서,상기 제1 지식 그래프 임베딩 모델과 제2 지식 그래프 임베딩 모델은 동종의 지식 그래프 임베딩 모델인 것인,지식 그래프 임베딩 모델의 성능 향상을 위한 프레임워크 시스템
|
15 |
15
제9항에 있어서,상기 제1 지식 그래프 임베딩 모델과 제2 지식 그래프 임베딩 모델은 이종의 지식 그래프 임베딩 모델인 것인,지식 그래프 임베딩 모델의 성능 향상을 위한 프레임워크 시스템
|
16 |
16
입력 지식 데이터를 입력받는 입력 모듈,상기 입력 지식 데이터를 기반으로 동종 또는 이종의 지식 그래프 임베딩 모델의 성능 향상을 위한 프레임워크를 제공하는 프로그램이 저장된 메모리 및상기 입력 지식 데이터를 기반으로 제1 지식 그래프 임베딩 모델의 학습을 수행하고, 상기 제1 지식 그래프 임베딩 모델로부터 임베딩 벡터 및 이를 기반으로 사전 지식을 추출하며, 상기 사전 지식을 기반으로 임베딩 벡터의 초기화 및 학습을 위한 입력 지식 데이터의 변형 중 적어도 하나를 통한 제2 지식 그래프 임베딩 모델의 학습을 수행하는 프로세서를 포함하는,지식 그래프 임베딩 모델의 성능 향상을 위한 프레임워크 시스템
|