본 논문은 대규모 언어 모델(LLM)을 활용하여 다중 모달 지식 그래프(MMKG)의 제로샷 임베딩 학습을 위한 프레임워크인 ZSLLM을 제안합니다. 기존 제로샷 학습(ZL) 방법들은 미지의 범주에 대한 관계나 개체를 정확하게 추론하고 처리하는 데 어려움을 겪는데, ZSLLM은 미지의 범주의 텍스트 모달 정보를 프롬프트로 활용하여 LLM의 추론 능력을 최대한 활용함으로써, 미지의 범주에 대한 다양한 모달 간의 의미 정보 전달을 가능하게 합니다. 모델 기반 학습을 통해 MMKG에서 미지의 범주에 대한 임베딩 표현이 향상되며, 실제 데이터셋에 대한 실험 결과를 통해 기존 최첨단 방법보다 우수한 성능을 보임을 입증합니다.
