본 논문은 지식 그래프, 이벤트 지식 그래프, 상식 지식 그래프를 포함하는 일반화된 지식 그래프(GKG)의 통합된 구축 프레임워크를 제안합니다. 기존 연구들은 각 그래프 유형을 개별적으로 구축하여 컴퓨팅 자원 및 활용 측면에서의 통합 및 시너지 효과를 간과했습니다. 본 연구는 29개 데이터셋의 15개 하위 작업에서 데이터를 수집하여, 이를 훈련 데이터, 상반된 작업 데이터, 분포 외(OOD) 데이터로 분류하고, 세 가지 유형의 그래프의 지식을 대규모 언어 모델에 반복적으로 주입하는 3단계 커리큘럼 학습 미세 조정 프레임워크를 제안합니다. 실험 결과, 제안된 모델은 도메인 내, OOD 및 상반된 작업 데이터에서 세 가지 그래프 유형의 구축을 모두 향상시키는 것으로 나타났습니다.
