활용 사례 연구
Task-Specific Prompt with Global Context for Multi-Task Graph Pre-Training
ARarXiv
기존의 다중 작업 그래프 사전 학습 모델들은 프롬프트 초기화가 무작위적이어서, 복잡한 구조적 특징을 충분히 반영하지 못하는 한계가 있었습니다.
세 줄 요약
- TPGC는 '작업별 선호도'와 '전역 구조 정보'를 결합한 이중 사전(dual-prior) 초기화 방식을 도입하여 성능과 효율성을 동시에 높였습니다.
- 데이터 확보가 어려운 저자원 환경에서도 그래프의 복잡한 정보를 여러 하위 작업에 걸쳐 안정적으로 활용할 수 있는 중요한 돌파구를 제시합니다.
- 보조 그래프를 이용해 프롬프트를 초기화하며, 노드 및 그래프 분류 등 6개 주류 벤치마크에서 최고 성능을 입증했습니다.
기존의 다중 작업 그래프 사전 학습 모델들은 프롬프트 초기화가 무작위적이어서, 복잡한 구조적 특징을 충분히 반영하지 못하는 한계가 있었습니다.