불완전한 지식 그래프에서도 대규모 언어 모델의 내부 지식과 외부 지식을 효과적으로 통합하여 질문에 답변할 수 있는 방법을 제안한다.
지식 그래프 임베딩 모델은 지식 그래프의 데이터 희소성, 계산 복잡성, 수동 특징 엔지니어링 문제를 해결하기 위해 개발되었다. 이 모델들은 개체와 관계를 저차원 벡터 공간에 표현하여 의미적 관계를 포착한다. 이러한 임베딩은 다양한 자연어 처리 및 데이터 마이닝 작업에 활용될 수 있다.