यह शोधपत्र LensGNN का प्रस्ताव करता है, जो एक नया मॉडल है जो ग्राफ़ न्यूरल नेटवर्क (GNN) की Limitations चुनौती का समाधान करने के लिए एक बड़े पैमाने के भाषा मॉडल (LLM) का लाभ उठाता है, जो ग्राफ़-संरचित डेटा सीखने के लिए शक्तिशाली मॉडल के रूप में उभरे हैं। मौजूदा GNN की सीमाएँ हैं क्योंकि वे रिच टेक्स्ट नोड विशेषताओं के अर्थविज्ञान को समझने में असमर्थ हैं, और हमने देखा है कि एक विशिष्ट GNN विविध डेटासेट में लगातार अच्छा प्रदर्शन नहीं करता है। LensGNN कई GNN के निरूपणों को एक ही स्थान पर मैप करके उन्हें संरेखित करता है, और फिर LoRA फ़ाइन-ट्यूनिंग के माध्यम से GNN और LLM के बीच के स्थान को संरेखित करता है। LLM में ग्राफ़ टोकन और टेक्स्ट जानकारी इंजेक्ट करके, कई GNN को एकीकृत किया जाता है और LLM की शक्तियों का लाभ उठाया जाता है, जिससे टेक्स्ट अर्थविज्ञान और ग्राफ़ संरचना की गहरी समझ संभव होती है। प्रायोगिक परिणाम दर्शाते हैं कि LensGNN मौजूदा मॉडलों से बेहतर प्रदर्शन करता है, अर्थविज्ञान और संरचनात्मक जानकारी को एकीकृत करने के लिए एक शक्तिशाली और बेहतर समाधान प्रदान करता है, और टेक्स्ट-विशेषता ग्राफ़ समूह सीखने को आगे बढ़ाता है।
