본 논문은 지식 그래프(KGs) 상에서 소수의 학습 예시만으로 관계 추론을 수행하는 소수 샷 관계 학습에 대해 다룹니다. 기존 방법들이 특정 관계 정보 활용에 집중한 반면, KG에 내재된 풍부한 의미론은 간과되어 왔습니다. 이를 해결하기 위해, 본 논문은 메타 의미론과 관계 정보를 원활하게 통합하는 새로운 프롬프트 메타 학습(PromptMeta) 프레임워크를 제안합니다. PromptMeta는 두 가지 핵심적인 혁신을 가지고 있습니다: (1) 고차원 메타 의미론을 학습하고 통합하는 메타 의미론 프롬프트(MSP) 풀을 통해 효과적인 지식 전이 및 희귀하고 새롭게 등장하는 관계에 대한 적응을 가능하게 합니다. (2) 학습 가능한 융합 토큰을 통해 메타 의미론과 소수 샷 작업에 맞게 조정된 작업별 관계 정보를 동적으로 결합합니다. 두 구성 요소는 메타 학습 프레임워크 내에서 모델 매개변수와 함께 공동으로 최적화됩니다. 두 개의 실제 KG 데이터 세트에 대한 광범위한 실험 및 분석은 제한된 데이터를 가진 새로운 관계에 적응하는 PromptMeta의 효과를 보여줍니다.
