توليد الأسئلة من الرسم البياني للمعرفة (KG-QG) يهدف إلى إنشاء أسئلة بلغة طبيعية من الرسوم البيانية للمعرفة والأجوبة المستهدفة. تركز معظم الدراسات السابقة على إعداد بسيط يتمثل في توليد الأسئلة من ثلاثي واحد في الرسم البياني للمعرفة. أما في هذه الدراسة، فنركز على إعداد أكثر واقعية حيث نسعى إلى توليد الأسئلة من جزء فرعي للرسم البياني للمعرفة (KG subgraph) والأجوبة المستهدفة. بالإضافة إلى ذلك، استخدمت معظم الدراسات السابقة نماذج تعتمد على الشبكات العصبية التكرارية (RNN) أو نماذج التحويل (Transformer) لترميز الجزء الفرعي المُستَقيم للرسم البياني للمعرفة، مما يؤدي إلى التخلص تمامًا من المعلومات الهيكلية الصريحة للجزء الفرعي للرسم البياني. لحل هذه المشكلة، نقترح استخدام نموذج Graph2Seq ثنائي الاتجاه لتشفير الجزء الفرعي للرسم البياني للمعرفة. علاوة على ذلك، نعزز مفكك الشفرة RNN الخاص بنا بآلية النسخ على مستوى العقد لتمكين النسخ المباشر لخصائص العقد من الجزء الفرعي للرسم البياني للمعرفة إلى السؤال الناتج. تظهر نتائج التقييم الآلي والبشري أن نموذجنا حقق درجات جديدة رائدة في مجاله، وتتفوق على الأساليب الموجودة بمعدل كبير في كلتا معايير توليد الأسئلة (QG). كما تبين النتائج التجريبية أن نموذج TQG الخاص بنا يمكن أن يفيد باستمرار مهمة الإجابة عن الأسئلة (QA) كوسيلة للتضخم البيانات.