Abstract
지식그래프(Knowledge Graph)는 데이터 패러독스(Paradox)의 순환에 대한 해결사로 대두되고 있다. 지식그래프의 진화는 끊임없이 발생하고 있지만, 이러한 진화가 데이터에 미치는 영향을 예측하는 연구는 거의 전무하다. 본 논문은 온톨로지의 변화가 임베딩 모델에 어떠한 영향을 끼치는 지를 측정하는 개념적인 프레임워크 제시한다.
Measuring Impacts of Changes in Knowledge Graph on Deep Learning Techniques