연구진이 시간 지식 그래프(TKG)의 미래 사건 예측 문제를 해결하기 위해 그룹 어텐션 뉴럴 호크스 프로세스(GAttNHP) 프레임워크를 개발했어요.
GAttNHP는 장기적인 시간 의존성, 상호 작용, 희소한 도착 시간 분포 문제를 해결하기 위해 자체 어텐션 인코더, 시맨틱 소프트 그룹핑 모듈, NCQ 회귀 헤드를 결합했어요.
실험 결과, GAttNHP는 기존 모델보다 TKG 예측 성능을 향상시켰으며, 특히 기존 모델이 실패하는 롱테일 이벤트 체인에서 큰 효과를 보였어요.