딥러닝 모델의 학습에는 일반적으로 많은 양의 데이터를 필요로 하나, 실제로는 극히 일부의 도메인을 제외하고는 다수의 도메인에서 양질의 데이터를 획득하기 어렵다. 최근에는 그래프 신경망 기반의 few-shot 학습을 통해 적은 수의 데이터만으로도 학습이 가능하도록 하는 연구가 활발하게 이루어지고 있다. 본 연구에서는 few-shot 태스크 그래프에 프로토타입 노드와 엣지 레이블을 적용하여, 보다 명시적으로 클래스 및 데이터 간 유사도를 모델링하는 방법론을 제안한다. 제안하는 모델은 프로토타입-쿼리 엣지 레이블과 프로토타입 노드와 쿼리 노드 사이의 거리를 동시에 고려하여, 입력되는 태스크 그래프에 따라 다르게 생성되는 일반화된 프로토타입 노드를 제공하고 few-shot 이미지 분류를 수행한다. 모델의 5-way 5-shot 성능은 엣지 레이블 기반의 few-shot 이미지 분류 모델인 EGNN 모델과 비교한 결과, 제안하는 모델에서 의미 있는 성능 향상을 확인하였다