본 논문은 지식 그래프 완성(Knowledge Graph Completion) 문제에 대해, 특히 머리 엔티티(head)만 주어졌을 때 관계와 꼬리 엔티티(relation-tail pair)를 예측하는 인스턴스 완성(Instance Completion) 문제에 초점을 맞추고 있습니다. 기존의 지식 그래프에 존재하는 엔티티 설명과 타입 정보를 활용하여, 대규모 언어 모델(LLM) 기반의 새로운 인스턴스 완성 방법인 GenIC을 제안합니다. GenIC은 속성 예측(multi-label classification)과 링크 예측(generative sequence-to-sequence) 두 단계로 구성된 생성적 프레임워크이며, 세 개의 데이터셋에 대한 실험 결과 기존 방법들을 능가하는 성능을 보임을 확인했습니다. 소스 코드는 공개되어 있습니다.
