TempoQR: التفكير في الأسئلة الزمنية على الرسوم المعرفية

إجابة الأسئلة على الرسوم المعرفية (KGQA) تتضمن استرجاع الحقائق من رسم معرفي (KG) باستخدام استفسارات بلغة طبيعية. يُعد الرسم المعرفي مجموعة مُنظمة من الحقائق المكوّنة من كيانات مرتبطة بعلاقات بينها. تشمل بعض هذه الحقائق معلومات زمنية تشكّل ما يُعرف بـ "رسم معرفي زمني" (TKG). وعلى الرغم من أن العديد من الأسئلة الطبيعية تتضمن قيودًا زمنية صريحة أو ضمنية، إلا أن إجابة الأسئلة على الرسوم المعرفية الزمنية تظل مجالًا نسبيًا غير مستكشف بشكل واسع. تُصمم الحلول الحالية بشكل رئيسي لأسئلة زمنية بسيطة يمكن الإجابة عنها مباشرة من خلال حقيقة واحدة في الرسم المعرفي الزمني. يقدم هذا البحث إطارًا متكاملًا يعتمد على التضمين (embedding) لحل الأسئلة المعقدة على الرسوم المعرفية الزمنية. يُسمّى هذا الأسلوب "استدلال السؤال الزمني" (TempoQR)، حيث يستخدم تضمينات الرسم المعرفي الزمني لتثبيت السؤال على الكيانات والحدود الزمنية المحددة التي يشير إليها. ويتم ذلك من خلال تعزيز تضمينات السؤال بمعلومات سياقية ومرتبطة بالكيانات والزمن، وذلك باستخدام ثلاث وحدات متخصصة. تُولِّد الأولى تمثيلًا نصيًا للسؤال المعطى، بينما تُدمج الثانية هذا التمثيل مع تضمينات الكيانات المشاركة في السؤال، وتُولِّد الثالثة تضمينات زمنية مخصصة للسؤال. وأخيرًا، يستخدم معالج مبني على نموذج الترانسفورمر (Transformer) تعلم دمج المعلومات الزمنية المولدة مع تمثيل السؤال، والذي يستخدم لتقديم التنبؤات بالإجابة. أظهرت التجارب الواسعة أن TempoQR يُحسّن الدقة بنسبة 25 إلى 45 نقطة مئوية مقارنة بالأساليب الرائدة في مجالها على الأسئلة الزمنية المعقدة، كما يُظهر أداءً أفضل في التعميم على أنواع غير مرئية من الأسئلة.