본 논문은 그래프 기반 작업에서 널리 사용되는 "사전 훈련, 프롬프트" 패러다임을 반도감독 커뮤니티 검색에 처음으로 적용하여, Pre-trained Prompt-driven Community Search (PPCS)라는 새로운 모델을 제안합니다. PPCS는 노드 인코딩, 샘플 생성, 프롬프트 기반 미세 조정의 세 가지 주요 구성 요소로 이루어져 있습니다. 노드 인코딩 구성 요소는 그래프 신경망을 사용하여 그래프 내 노드의 지역적 구조 패턴을 학습하고 노드와 커뮤니티의 표현을 얻습니다. 샘플 생성 구성 요소는 주어진 노드에 대한 초기 커뮤니티를 식별하고 초기 커뮤니티와 구조적으로 유사한 알려진 커뮤니티를 훈련 샘플로 선택합니다. 마지막으로, 프롬프트 기반 미세 조정 구성 요소는 이러한 샘플을 프롬프트로 활용하여 최종 커뮤니티 예측을 안내합니다. 실험 결과, PPCS는 기존 알고리즘보다 성능이 우수하며, 반도감독 커뮤니티 검색 기준 방법보다 커뮤니티 검색 효율성이 높음을 보여줍니다. 각 구성 요소의 효과를 검증하는 추가 연구도 포함되어 있습니다.
