الإجابة على الأسئلة في الرسوم المعرفية الزمنية

تمدد المخططات المعرفية الزمنية (Temporal KGs) على المخططات المعرفية العادية من خلال إضافة نطاقات زمنية (أوقات البدء والانتهاء) إلى كل حافة في المخطط. وعلى الرغم من أن الاستفسار عن المخططات المعرفية (KGQA) قد حظي باهتمام جزئي من قبل المجتمع البحثي، فإن الاستفسار عن المخططات المعرفية الزمنية (Temporal KGQA) لا يزال مجالًا غير مستكشف بشكل واسع. وساهم نقص البيانات الممتدة على نطاق واسع في تقييد التقدم في هذا المجال. ونعالج هذه التحديات من خلال تقديم مجموعة بيانات CRONQUESTIONS، وهي أكبر مجموعة بيانات معروفة لـ Temporal KGQA، مصنفة بشكل واضح حسب مستويات التعقيد البنائي. تُعد CRONQUESTIONS أكبر بـ 340 مرة من أصغر مجموعة بيانات معروفة سابقة. ووجدنا أن عدة طرق حديثة ومتطورة في مجال KGQA تفشل في تحقيق الأداء المطلوب على هذه المجموعة الجديدة. ونتيجة لذلك، نقترح أيضًا حلًا يُسمى CRONKGQA، يعتمد على معمارية الترانسفورمر، ويستفيد من التطورات الحديثة في تمثيلات المخططات المعرفية الزمنية، ويحقق أداءً أفضل من جميع الطرق المقارنة، مع زيادة بنسبة 120% في الدقة مقارنة بالطريقة الأفضل أداءً حتى الآن. من خلال تجارب موسعة، نقدم رؤى مفصلة حول كيفية عمل CRONKGQA، بالإضافة إلى الحالات التي تبدو فيها إمكانية تحسينات كبيرة وشيكة. وبالإضافة إلى مجموعة البيانات، فقد أطلقنا أيضًا رمز البرنامج المصدر (code) الخاص بنا.