지식 그래프 완성 시스템에 의해 수행되는 지식 그래프 완성 방법에 있어서,지식 그래프의 자연어 서술 정보와 구조적 정보를 이용한 대조 학습을 통해 지식 그래프 완성 모델을 학습하는 단계; 및 상기 학습된 지식 그래프 완성 모델을 통해 추론을 위한 지식 그래프로부터 누락된 새로운 지식을 추론하여 지식 그래프를 완성하는 단계를 포함하는 지식 그래프 완성 방법.

제1항에 있어서,상기 학습하는 단계는, 상기 지식 그래프로부터 부분 그래프를 추출하는 단계를 포함하는 지식 그래프 완성 방법.

제2항에 있어서,상기 학습하는 단계는, 상기 추출된 부분 그래프를 구성하는 트리플의 자연어 서술 정보를 상기 지식 그래프 완성 모델에 입력하고, 상기 지식 그래프 완성 모델을 통해 상기 트리플의 자연어 서술 정보로부터 상기 문맥 임베딩 벡터들을 추출하는 단계를 포함하는 지식 그래프 완성 방법.

제3항에 있어서,상기 학습하는 단계는, 상기 추출된 문맥 임베딩 벡터들의 유사도 점수를 산출하는 단계를 포함하는 지식 그래프 완성 방법.

제4항에 있어서,상기 학습하는 단계는, 상기 산출된 문맥 임베딩 벡터들의 유사도 점수를 이용하여 상기 지식 그래프의 구조적 정보를 활용한 대조 학습을 수행하는 단계 를 포함하는 지식 그래프 완성 방법.

제2항에 있어서,상기 부분 그래프를 추출하는 단계는, 재시작을 하는 편향된 랜덤워크(biased random walk with restart, BRWR)가 방문한 트리플을 통해 상기 지식 그래프로부터 부분 그래프를 추출하고, 상기 추출된 부분 그래프를 구성하는 트리플을 미니 배치로 사용하는 단계를 포함하는 지식 그래프 완성 방법.

제6항에 있어서,상기 부분 그래프를 추출하는 단계는, 상기 부분 그래프를 구성하는 트리플을 대조 학습 손실 함수를 계산하기 위한 양성 트리플로 정의하고, 상기 양성 트리플의 헤드 개체-관계와 상기 미니 배치 내 다른 트리플의 테일 개체로 구성된 음성 트리플을 정의하는 단계를 포함하는 지식 그래프 완성 방법.

제3항에 있어서,상기 문맥 임베딩 벡터들을 추출하는 단계는,상기 부분 그래프를 구성하는 트리플에 대해 자연어 서술 정보를 이용하여 자연어 인코더의 각각에 의해 상기 트리플의 헤드 개체-관계의 임베딩과 테일 개체의 임베딩을 출력하는 단계를 포함하는 지식 그래프 완성 방법.

제4항에 있어서,상기 유사도 점수를 산출하는 단계는,상기 부분 그래프를 구성하는 트리플에 대해 자연어 서술 정보를 이용하여 추출된 트리플의 헤드 개체-관계의 임베딩과 테일 개체의 임베딩 간의 유사도 점수를 계산하는 단계를 포함하는 지식 그래프 완성 방법.

제5항에 있어서,상기 대조 학습을 위한 손실 함수는, 지식 그래프의 구조적 정보를 포함한 최단 거리(shortest path length) 가중치, 차수(degree) 가중치를 포함하는 두 가지의 가중치가 도입된 것으로,상기 최단 거리 가중치는, 양성 트리플의 헤드 개체와 부분 그래프상 최단 거리가 가까운 음성 트리플의 테일 개체에 더 큰 가중치를 부여하여 지식 그래프 완성 모델이 오답 테일 개체를 정답이라고 예측하는 것에 페널티를 부여하는 것이고, 상기 차수 가중치는, 헤드 개체와 이웃한 개체가 많은 트리플에 더 큰 가중치를 부여하여 지식 그래프 완성 모델이 상기 트리플의 테일 개체를 올바르게 예측하지 못하는 것에 큰 페널티를 부여하는 것인, 지식 그래프 완성 방법.

제5항에 있어서,상기 대조 학습을 수행하는 단계는, 상기 계산된 유사도 점수를 이용하여 상기 지식 그래프 완성 모델의 대조 학습 손실 함수 값을 계산하고, 상기 계산된 대조 학습 손실 함수 값이 감소되도록 상기 지식 그래프 완성 모델의 파리미터를 조정하여 상기 지식 그래프 완성 모델을 학습하는 단계를 포함하는 지식 그래프 완성 방법.

제1항에 있어서,상기 완성하는 단계는,상기 학습된 지식 그래프 완성 모델을 통해 출력된 테일 개체가 누락된 트리플 임베딩 벡터와, 상기 테일 개체가 누락된 트리플의 테일 개체가 될 수 있는 각 후보 개체들의 임베딩 벡터 간의 유사도 점수 계산을 통해 유사도가 가장 높은 후보 개체를 상기 누락된 트리플에 들어갈 테일 개체로 예측하는 단계를 포함하는 지식 그래프 완성 방법.

제12항에 있어서,상기 완성하는 단계는,상기 학습된 지식 그래프 완성 모델을 통해 테일 개체가 누락된 트리플의 임베딩 벡터를 출력하고, 상기 출력된 테일 개체가 누락된 트리플의 임베딩 벡터에서 트리플의 테일 개체가 될 수 있는 각 후보 개체들의 임베딩 벡터를 출력하는 단계를 포함하는 지식 그래프 완성 방법.

지식 그래프 완성 시스템에 의해 수행되는 지식 그래프 완성 방법을 실행시키기 위해 컴퓨터 판독 가능한 저장매체에 저장된 컴퓨터 프로그램에 있어서,상기 지식 그래프 완성 방법은, 지식 그래프의 자연어 서술 정보와 구조적 정보를 이용한 대조 학습을 통해 지식 그래프 완성 모델을 학습하는 단계; 및 상기 학습된 지식 그래프 완성 모델을 통해 추론을 위한 지식 그래프로부터 누락된 새로운 지식을 추론하여 지식 그래프를 완성하는 단계를 실행하는 컴퓨터 판독 가능한 저장매체에 저장된 컴퓨터 프로그램.

지식 그래프 완성 시스템에 있어서,지식 그래프의 자연어 서술 정보와 구조적 정보를 이용한 대조 학습을 통해 지식 그래프 완성 모델을 학습하는 부분 그래프 추출 및 모델 학습부; 및 상기 학습된 지식 그래프 완성 모델을 통해 추론을 위한 지식 그래프로부터 누락된 새로운 지식을 추론하여 지식 그래프를 완성하는 추론부를 포함하는 지식 그래프 완성 시스템.