近年流行している機械学習では、訓練データに存在するクラスに対してしか予測することができないデメリットが存在する。そこで、訓練データに存在しないクラスに対しても予測することを可能としたゼロショット学習という手法がある。しかし、従来の機械学習と比べ精度が低い傾向にある。ゼロショット学習の手法の一つとして、知識グラフ上から知識を得ることにより未知のクラスに対応するというものがある。その手法の一つであるZSL-KGというフレームワークを基に精度の改善を行うことを目的としている。ZSL-KGでは、既知のクラス未知のクラス共にかなり低い精度となってしまうクラスが見られたため、その原因究明と改善の検討を行った。