本研究では、少数のトレーニング例から関係性の推論を行う少数ショット知識グラフ関係学習に焦点を当てています。従来のメタ学習アプローチには共通の関係パターンを捉えきれず、迅速な適応に必要なタスク特有の文脈をうまく取り入れられないという課題があります。これに対処するために本論文では、モードの専門家モデルを用いた新しいフレームワーク「MoEMeta」を提案します。MoEMetaは、グローバルに共有される知識とタスク固有の文脈を分離し、効果的な一般化と迅速な適応を可能にします。具体的には、グローバルに共有される関係のプロトタイプを学習するための混合モデルと、迅速なタスク適応のためのタスク特化的な適応メカニズムを導入して、少数ショット関係学習を大幅に進展させています。実験結果により、MoEMetaは既存の手法を上回る性能を示しています。