يُنظم المعرفة من مجالات تطبيقية متنوعة في هياكل معرفية (KGs) تُخزن في محركات RDF وتُتاح عبر الإنترنت عبر نقاط نهاية SPARQL. يتطلب صياغة استعلام SPARQL صالح معرفة ببنية الرسم البياني وعناوين URI الدقيقة لمكوناته، وهو أمر غير عملي بالنسبة للمستخدم العادي. تُسهم أنظمة الإجابة على الأسئلة (QA) في التخفيف من هذه الصعوبة من خلال تحويل الأسئلة باللغة الطبيعية إلى استعلامات SPARQL. ومع ذلك، تعتمد الأنظمة الحالية عادةً على قواعد مُعدّة يدويًا حسب التطبيق، أو تتطلب معلومات مسبقة، ومعالجة مسبقة مكلفة، وتعديل النماذج لكل هيكل معرفي مستهدف. ونتيجة لذلك، يصعب تعميمها على مجموعة واسعة من التطبيقات والهياكل المعرفية.في هذه الورقة، نقترح نظام QA عالميًا يُسمى KGQAn، لا يحتاج إلى تخصيص لكل هيكل معرفي مستهدف. بدلًا من الاعتماد على قواعد مُعدّة يدويًا، يقدّم KGQAn تبسيطًا جديدًا لفهم السؤال كمشكلة توليد نصي، يتم من خلالها تحويل السؤال إلى تمثيل مفاهيمي مُجرّد باستخدام نموذج تسلسلي تسلسلي عصبي. كما نطوّر رابطًا يُفعّل عند الحاجة (just-in-time linker) يُرَوّج التمثيل المفاهيمي إلى استعلام SPARQL محدد للهيكل المعرفي المستهدف، باستخدام فقط واجهات برمجة التطبيقات المفتوحة والمؤشرات الحالية لمستودع RDF، دون الحاجة إلى أي معالجة مسبقة. أظهرت تجاربنا على عدة هياكل معرفية حقيقية أن KGQAn يمكن نشره بسهولة، ويتفوّق بفارق كبير على أفضل الأنظمة الحالية من حيث جودة الإجابات ووقت المعالجة، خصوصًا عند التعامل مع هياكل معرفية عشوائية لم تُرَى أثناء التدريب.