本文提出了GOTHAM框架，旨在解决图数据分析中的节点分类问题，特别是在标签不足的情况下处理新类。该框架结合原型表示和知识蒸馏技术，有效应对少量或无标签的新类，实验结果表明其在多种任务中具有良好的适应性和有效性。

该研究评估了四个大型语言模型在图数据分析问题上的能力，结果显示它们能够有效地理解自然语言的图数据并进行图拓扑推理。其中，GPT模型在正确性方面优于其他替代方法，但在结构推理方面面临挑战，且在多答案任务中常常产生错误答案。

该研究评估了四个大型语言模型在图数据分析问题上的能力，结果显示它们能够有效地理解自然语言的图数据并进行图拓扑推理。其中，GPT模型在正确性方面优于其他替代方法，但在结构推理方面面临挑战，且在多答案任务中常常产生错误答案。