본 논문은 대규모 언어 모델(LLM)을 활용하여 다중 모드 지식 그래프(MMKG)의 제로샷 임베딩 학습을 위한 프레임워크인 ZSLLM을 제안합니다. 기존 제로샷 학습(ZL) 방법들이 미지의 범주를 포함하는 새로운 관계나 개체를 정확하게 추론하고 처리하는 데 어려움을 겪는 문제를 해결하기 위해, LLM의 추론 능력을 활용하여 미지의 범주에 대한 텍스트 모드 정보를 프롬프트로 사용합니다. 이를 통해 다양한 모드 간의 의미 정보 전달을 가능하게 하고, 모델 기반 학습을 통해 MMKG에서 미지의 범주에 대한 임베딩 표현을 향상시킵니다. 실제 데이터셋에 대한 실험 결과, 제안된 방법이 최첨단 기법보다 우수함을 보여줍니다.
