الإجابة على الأسئلة عبر المعرفة الرسومية (KG-QA) هي موضوع مهم في مجال معالجة المعلومات. تُعد الأسئلة ذات النية الزمنية فئة خاصة ذات أهمية عملية كبيرة، لكنها لم تحظَ بقدر كبير من الاهتمام في الأبحاث السابقة. تقدم هذه الدراسة نظام EXAQT، وهو أول نظام من النوع النهائى (end-to-end) للإجابة على الأسئلة الزمنية المعقدة التي تتضمن عدة كيانات وعوامل (predicates)، وظروف زمنية مرتبطة بها. يجيب نظام EXAQT على الأسئلة باللغة الطبيعية عبر المعرفة الرسومية في مرحلتين: الأولى تهدف إلى تحقيق استرجاع عالٍ (high recall)، والثانية تهدف إلى تحقيق دقة عالية في المراكز العليا (precision at top ranks). في المرحلة الأولى، يحسب النظام رسمًا فرعيًا مكثفًا ذا صلة بالسؤال داخل المعرفة الرسومية، ثم يعززه بعناية بحقائق زمنية ذات صلة، باستخدام خوارزميات أشجار ستاينر المجموعة (Group Steiner Trees) ونماذج BERT المُعدّلة بدقة (fine-tuned BERT). أما في المرحلة الثانية، فيُبنى على إخراج المرحلة الأولى شبكات تراكب رеляционية (R-GCNs)، ويُعزز هذا البناء بتمثيلات كيانات واعية بالزمن (time-aware entity embeddings) وانتباه موجه نحو العلاقات الزمنية. تم تقييم نظام EXAQT على مجموعة البيانات TimeQuestions، التي تضم 16 ألف سؤال زمني تم جمعها من مجموعة متنوعة من معايير الإجابة على الأسئلة عبر المعرفة الرسومية العامة. أظهرت النتائج أن EXAQT يتفوق على ثلاث أنظمة حديثة متقدمة في مجال الإجابة على الأسئلة المعقدة عبر المعرفة الرسومية، مما يبرر الحاجة إلى معالجة خاصة لمهام الإجابة على الأسئلة الزمنية.