الإجابة على الأسئلة في الرسوم المعرفية الزمنية (KGs) تستخدم بشكل فعّال الحقائق المحتواة في الرسم المعرفي الزمني، والذي يُسجّل العلاقات بين الكيانات والزمن الذي تحدث فيه هذه العلاقات، للإجابة على الأسئلة بلغة طبيعية (مثلاً: "من كان رئيس الولايات المتحدة قبل أوباما؟"). غالبًا ما تتضمّن هذه الأسئلة ثلاث تحديات مرتبطة بالزمن لم تُعالج بشكل كافٍ في الدراسات السابقة: 1) غالبًا لا تحدد الأسئلة تواريخ دقيقة للوقت المطلوب (مثلاً: "أوباما" بدلًا من 2000)؛ 2) الفروق الدقيقة في المصطلحات الزمنية (مثل "قبل" مقابل "بعد")؛ 3) تمثيلات الرسوم المعرفية الزمنية الجاهزة التي تعتمد عليها الدراسات السابقة تتجاهل الترتيب الزمني للتواريخ، وهو أمر بالغ الأهمية للإجابة على الأسئلة المتعلقة بالترتيب الزمني. في هذا البحث، نقترح إطارًا للإجابة على الأسئلة حساسًا للزمن (TSQA) لمعالجة هذه المشكلات. يتميز إطار TSQA بوحدة تقدير التواريخ (timestamp estimation module) لاستنتاج التواريخ غير المذكورة ضمن السؤال. كما نستخدم مشغلًا حساسًا للزمن للرسم المعرفي (time-sensitive KG encoder) لدمج معلومات الترتيب في تمثيلات الرسم المعرفي الزمني التي يعتمد عليها TSQA. وباستخدام تقنيات تقلل من مساحة البحث عن الإجابات المحتملة، يتفوّق TSQA بشكل كبير على أحدث النماذج السابقة في معيار جديد للإجابة على الأسئلة في الرسوم المعرفية الزمنية، وخاصةً تحقيق تقليل بنسبة 32% (مطلقًا) في الأخطاء على الأسئلة المعقدة التي تتطلب تفكيرًا متعدد الخطوات بناءً على حقائق محتواة في الرسم المعرفي الزمني.