본 논문은 소량의 데이터로 새로운 지식을 학습하는 few-shot knowledge graph completion (KGC) 문제를 다룹니다. 기존 KGC 방법들이 주로 관계 정보에 집중한 것과 달리, 본 논문은 지식 그래프에 내재된 풍부한 의미 정보를 활용하는 새로운 프레임워크인 PromptMeta를 제안합니다. PromptMeta는 고차원의 메타 의미 정보를 포착하고 통합하는 메타 의미 프롬프트 풀과, 메타 의미 정보와 특정 과제의 관계 정보를 동적으로 결합하는 학습 가능한 융합 프롬프트를 사용합니다. 두 구성 요소는 메타 러닝 프레임워크 내에서 모델 파라미터와 함께 최적화됩니다. 두 개의 벤치마크 데이터셋에서의 실험을 통해 제안된 방법의 효과를 입증합니다.
