연구진이 GNN과 LLM을 융합하여 텍스트 속성 그래프 학습 성능을 높이는 프레임워크 PromptGNN-sim을 제안했어요. 이 프레임워크는 그래프 구조와 텍스트 의미를 양방향으로 융합하여 기존 방식의 한계를 극복합니다.
PromptGNN-sim은 그래프 구조 정보를 활용해 LLM에 구조-인식 프롬프트를 생성하고, GNN과 LLM을 공동으로 최적화하는 방식으로 작동해요. 이를 통해 다양한 데이터셋에서 기존 모델보다 우수한 성능을 보였어요.
Cora, Pubmed, WikiCS 등 6개의 공개 데이터셋 실험 결과, PromptGNN-sim은 기존 GNN, LLM, GNN-LLM 융합 모델을 능가하는 성능을 보여주며 효과를 입증했어요.