شبكة تكامل تكيفية متعددة الاتجاهات تأخذ بعين الاعتبار الزمن للإجابة عن الأسئلة في الرسوم البيانية المعرفية الزمنية

لقد لاقت الرسوم المعرفية (KGs) اهتمامًا متزايدًا بفضل تطبيقاتها الواسعة في معالجة اللغة الطبيعية. ومع ذلك، لم يتم استكشاف استخدامها في الإجابة على الأسئلة الزمنية (QA) بشكل كافٍ. تعتمد معظم الطرق الحالية على نماذج لغوية مُدرَّبة مسبقًا، والتي قد لا تكون قادرة على تعلم تمثيلات محددة زمنيًا للعناصر في سياق مهام الإجابة على الأسئلة باستخدام الرسوم المعرفية الزمنية. ولتخفيف هذه المشكلة، نقترح شبكة تكامل جديدة تُسمى \textbf{T}ime-aware \textbf{M}ultiway \textbf{A}daptive (\textbf{TMA}). مستوحاة من سلوك التفكير التدريجي البشري، تقوم TMA أولاً باستخراج المفاهيم ذات الصلة من الرسم المعرفي لكل سؤال مقدم، ثم تُدخلها إلى وحدة تكيف متعددة الاتجاهات لإنتاج تمثيل محدد زمنيًا للسؤال. يمكن دمج هذا التمثيل مع تمثيلات الرسم المعرفي المُدرَّبة مسبقًا لتكوين التنبؤ النهائي. تؤكد النتائج التجريبية أن النموذج المقترح يحقق أداءً أفضل من النماذج الحالية في مجموعة البيانات القياسية. وبشكل لافت، تُظهر TMA تحسنًا مطلقًا بنسبة 24% و10% في مقاييس Hits@1 وHits@10 على الأسئلة المعقدة في مجموعة بيانات CronQuestions مقارنة بأفضل نموذج قائم. علاوة على ذلك، نُظهر أن TMA، من خلال آلية التكامل التكيفية، تُوفر قابلية للتفسير من خلال تحليل النسبة المئوية للمعلومات المضمنة في تمثيلات الأسئلة.