(1) 지식그래프와 심층학습모델간 영향를 표현하는 시맨틱 표현(semantic representation) 제안: - 온톨로지(Ontology) 기반 지식그래프의 진화에 의해 발생한 변화된 충격에 대한 표현 - 진화하는 온톨로지에 따라 생성된 임베딩(Embedding) 모델간의 변화에 대한 모델링 - 일반화된 모델을 도출하기 위해, 충격와 변화 특징간 관계에 대한 시맨틱 표현 (2) 효율적인 거듭 최적화를 위한 변화 충격(Change Impact)의 측도 개발 - 온톨로지 내 데이터의 변화가 논리 추론에 대한 충격을 계산 및 비교분석 - 임베딩 모델 비교를 위한 근접 이웃탐색 유사도(local neighbor similarity) 방법의 한계 분석 - 임베딩 모델의 확률적 변화(stochasticity)를 설명하고, 모델간 불일치되는 개체간의 보정하기 위한 측정지표 개발 (3) 변화 충격의 측도 기반 매트릭스(matrix)를 사용한 심층학습모델의 거듭최적화 프레임워크 개발 - 효과적인 거듭최적화를 위한 수렴성 발견을 위한 변화 충격 측도 기반 매트릭스 개발 - 진화하는 온톨로지를 사용하여 임베딩 모델의 효과적인 학습주기 결정을 테스트