잠재된 계층의 표현
텍스트나 그래프의 기호 자료에는 명시되지 않은 계층이 들어 있을 수 있다. 푸앵카레 임베딩은 이런 성질을 표현 공간의 기하에 반영하려는 접근이다.
쌍곡 공간에서의 학습
자료를 유클리드 벡터 공간 대신 여러 차원의 푸앵카레 공에 임베딩한다. 쌍곡 기하를 이용해 계층과 유사성을 동시에 표현하며, 리만 최적화에 바탕을 둔 알고리즘으로 위치를 학습한다.
평가의 초점
원 연구는 잠재 계층이 있는 자료에서 유클리드 임베딩과 비교했다. 표현 용량과 새로운 관계에 대한 일반화 능력을 살펴 기하 선택이 학습된 표현에 미치는 영향을 평가했다.
관련 문서
로런츠 모형 계층 임베딩 / HGCN 쌍곡 그래프 합성곱 / 중첩 쌍곡 공간 학습 / 임베딩 / 표현 학습 / 비유클리드 기하학