본 논문은 다양한 뷰에서 다중 레이블을 갖는 데이터의 특징 선택을 위한 새로운 방법을 제시합니다. 이 방법은 대규모 언어 모델(LLM)의 의미론적 추론과 그래프 신경망(GNN)의 구조적 모델링을 결합하여 특징, 뷰 및 레이블 간의 관계를 파악합니다. 구체적으로, LLM을 사용하여 특징, 뷰 및 레이블 설명 간의 잠재적 의미론적 관련성을 평가하고, 의미론적 그래프와 통계적 그래프를 포함하는 이종 그래프를 구성합니다. 마지막으로, 경량화된 그래프 어텐션 네트워크(GAT)를 사용하여 이종 그래프에서 노드 임베딩을 학습하고, 이를 특징 선택에 활용합니다. 여러 벤치마크 데이터셋에 대한 실험 결과는 제안하는 방법이 기존 방법보다 우수하며, 소규모 데이터셋에서도 효과적으로 작동함을 보여줍니다.
