يهدف الاستجابة للأسئلة المبنية على المعرفة الشائعة إلى الإجابة على الأسئلة التي تتطلب معرفة خلفية غير مذكورة صراحةً في السؤال. والتحدي الرئيسي يتمثل في كيفية استخلاص الأدلة من المعرفة الخارجية واتخاذ تنبؤات بناءً على هذه الأدلة. في الدراسات الحديثة، إما يتم تعلم إنشاء الأدلة من أدلة تم تannotatingها بواسطة البشر، وهي عملية مكلفة جدًا في جمعها، أو يتم استخراج الأدلة من قواعد معرفة منظمة أو غير منظمة، مما يفشل في الاستفادة من مزايا كلا النوعين معًا. في هذا العمل، نقترح استخلاص الأدلة تلقائيًا من مصادر معرفية متنوعة، والإجابة على الأسئلة بناءً على الأدلة المستخرجة. وبشكل خاص، نستخرج الأدلة من قاعدة معرفة منظمة (مثل ConceptNet) ونصوص ويكيبيديا غير المنظمة. ونقوم ببناء رسوم بيانية لكل من المصادر للحصول على الهياكل العلاقة للأدلة. وباستناد إلى هذه الرسوم، نقترح منهجية قائمة على الرسوم تتكون من وحدة تعلم تمثيل كلمات سياقية قائمة على الرسوم، ووحدة استدلال قائمة على الرسوم. تستخدم الوحدة الأولى المعلومات الهيكلية للرسم ل重新 تعريف المسافة بين الكلمات لتعلم تمثيلات كلمات سياقية أفضل. أما الوحدة الثانية، فتستخدم شبكة الت convolution الرسومية لترميز معلومات الجيران في تمثيلات العقد، وتوحّد الأدلة باستخدام آلية الانتباه الرسومية للتنبؤ بالإجابة النهائية. تُظهر النتائج التجريبية على مجموعة بيانات CommonsenseQA تحسينًا ملحوظًا مقارنة بالأساليب القوية السابقة، حيث حققت منهجيتنا أفضل دقة محققة حتى الآن (75.3%) على لوحة الصدارة الخاصة بـ CommonsenseQA.