본 논문은 그래프 프롬프팅(graph prompting)의 이론적 기반을 탐구하여 그 효과를 엄밀하게 분석하는 이론적 프레임워크를 제시합니다. 기존의 사전 훈련 및 미세 조정 방식 대신 사전 훈련 및 프롬프팅 방식으로 전환하는 그래프 프롬프팅은 다양한 응용 분야에서 성공적인 결과를 보였지만, 그 이론적 근거는 미흡했습니다. 본 논문은 데이터 연산 관점에서 그래프 프롬프팅을 분석하여, 그래프 변환 연산자를 근사하는 그래프 프롬프트의 능력을 보장하는 정리와 데이터 연산 오류의 상한선을 도출하고, 이를 선형 및 비선형 그래프 모델로 확장합니다. 실험 결과는 이론적 결과를 뒷받침합니다.
