لقد لاقت الإجابة على الأسئلة باستخدام قاعدة المعرفة (KBQA) اهتمامًا كبيرًا في السنوات الأخيرة، خاصةً بالنسبة للأسئلة المعقدة التي تتطلب جمع معلومات متعددة للإجابة عنها. تُعد تفكيك الأسئلة طريقة واعدة للإجابة على الأسئلة المعقدة. ومع ذلك، فإن الطرق الحالية لتفكيك الأسئلة تقوم بتقسيم السؤال إلى أسئلة فرعية بناءً على نوع تكويني واحد فقط، وهو أمر غير كافٍ بالنسبة للأسئلة التي تتضمن عدة أنواع من التكوين. في هذه الورقة، نقترح تمثيلًا يُسمى شجرة تفكيك السؤال (QDT) لتمثيل البنية الداخلية للأسئلة المعقدة. مستوحاة من التقدم الحديث في مجال توليد اللغة الطبيعية (NLG)، نقدم طريقة ثنائية المراحل تُسمى Clue-Decipher لاستخلاص شجرة QDT. تتيح هذه الطريقة الاستفادة من القوة العالية لنموذج توليد اللغة الطبيعية مع الحفاظ في الوقت نفسه على السؤال الأصلي. وللتحقق من أن شجرة QDT يمكنها تعزيز أداء مهمة KBQA، قمنا بتصميم نظام جديد يعتمد على التفكيك يُسمى QDTQA. أظهرت التجارب الواسعة أن QDTQA يتفوق على أحدث الطرق السابقة على مجموعة بيانات ComplexWebQuestions. بالإضافة إلى ذلك، تحسّن طريقة التفكيك المقترحة الأداء في نظام KBQA موجود مسبقًا بنسبة 12%، وحققت أداءً جديدًا قياسيًا على مجموعة بيانات LC-QuAD 1.0.