본 논문은 대규모 언어 모델(LLM)을 활용한 노드 분류 작업에서 텍스트 속성 그래프 구조를 모델링하는 기존 연구의 한계를 지적한다. 기존 연구는 고차 그래프 구조를 설명하는 데 있어 과도한 설명이 필요하고, 텍스트 속성만으로는 충분한 그래프 구조 정보를 담을 수 없다는 문제점을 가지고 있다. 이를 해결하기 위해, 본 논문은 **GDL4LLM(Graph-Defined Language for Large Language Model)**이라는 새로운 프레임워크를 제안한다. GDL4LLM은 그래프를 그래프 언어 코퍼스로 변환하여 LLM을 사전 훈련하고, 이를 통해 LLM이 그래프 구조를 효과적으로 이해하도록 한다. 그래프를 새로운 언어로 취급함으로써, 고차 그래프 구조를 효율적으로 모델링하고 노드 분류 작업에서 성능을 향상시킨다. 실제 데이터셋을 이용한 실험 결과, GDL4LLM은 기존 방법들보다 우수한 성능을 보였다.
