본 연구는 지식 그래프 모델(KGFM)이 새로운 그래프에서 링크를 예측하는 일반화 메커니즘을 분석합니다. KGFM은 학습 없이도 새로운 그래프에서 링크를 예측하는 제로샷 일반화 능력을 보입니다.
연구 결과, 테스트 트리플 $(h,r,t)$ 를 예측하는 데 $(h,r)$ 또는 $(r,t)$ 와 같은 일부 연결 정보(half-link)만 관찰해도 충분할 수 있습니다.
관찰된 half-link 조합에 따른 4가지 시나리오를 분석하여, KGFM이 기존 half-link를 활용하여 예측하며, 새로운 half-link는 다른 문제를 야기한다는 점을 밝혀냈습니다.