본 논문은 텍스트 속성 그래프(TAGs)의 성능 향상을 위해 대규모 언어 모델(LLMs)과 그래프 신경망(GNNs)을 통합하는 새로운 프레임워크인 LanSAGNN을 제안합니다. 기존 방법들은 그래프 구조나 이웃 노드의 텍스트를 LLMs에 직접 입력하는 방식으로, 구조 정보를 일반적인 맥락 정보로 취급하여 효율성이 떨어지는 한계를 보였습니다. LanSAGNN은 비등방성 GNNs의 개념을 자연어 수준으로 확장하여, LLMs를 활용하여 노드 쌍에 맞춤형 의미 정보를 추출함으로써 노드 관계 내 고유한 상호작용을 효과적으로 포착합니다. 또한, LLMs 출력을 그래프 작업에 더 잘 맞추기 위해 효율적인 이중 계층 LLMs 미세 조정 아키텍처를 제안합니다. 실험 결과, LanSAGNN은 복잡성을 증가시키지 않으면서 기존 LLM 기반 방법들을 크게 향상시키고 간섭에 대한 강력한 견고성을 보여줍니다.
