본 논문은 다양한 뷰와 여러 개의 레이블을 가진 데이터에서 유용한 특징을 선택하는 다중 뷰 다중 레이블 특징 선택(MVMLFS) 문제를 해결하기 위해, 대규모 언어 모델(LLM)의 의미론적 추론과 그래프 신경망(GNN)의 구조적 모델링을 결합한 새로운 방법을 제안한다. 제안된 방법은 특징, 뷰 및 레이블 간의 잠재적 의미론적 관련성을 평가하기 위해 LLM을 활용하고, 의미론적 관계와 통계적 관계를 모두 나타내는 이중 레벨의 의미론적 인식 이종 그래프를 설계하며, 그래프 어텐션 네트워크(GAT)를 사용하여 특징 중요도 점수를 학습하고 선택하는 세 가지 주요 구성 요소로 구성된다. 실험 결과는 제안된 방법이 기존 방법보다 우수하며, 소규모 데이터셋에서도 효과를 보여준다.
