ルールベースの方法がGNNに劣る理由を分析し、新しい戦略を提案する。
大規模言語モデルの知識グラフ補完性能を向上させるために、知識グラフの構造情報を効果的に取り入れる方法を提案する。
本研究では、構造的情報と言語的情報の両方を活用することで、知識グラフの関係予測タスクの性能を向上させる。