摘要
知识图谱问答（KG-QA）是信息检索领域的重要课题。具有时间意图的问题是一类具有重要实际意义的特殊问题类型，但在现有研究中尚未受到足够关注。本文提出EXAQT，这是首个面向复杂时间类问题的端到端问答系统，能够处理包含多个实体、谓词及关联时间条件的复杂问题。EXAQT通过两个阶段实现对知识图谱中自然语言问题的回答：第一阶段侧重于高召回率，第二阶段则聚焦于高排名精度。在第一阶段，系统在知识图谱中计算与问题相关的紧凑子图，并利用分组斯坦纳树（Group Steiner Trees）与微调后的BERT模型，有选择性地引入相关的时间事实以增强子图结构。第二阶段基于第一阶段的输出构建关系图卷积网络（R-GCN），并通过引入时间感知的实体嵌入以及对时间关系的注意力机制，进一步提升模型表现。我们在TimeQuestions上对EXAQT进行了评估，该数据集是由多种通用知识图谱问答基准汇总而成的大规模时间类问题数据集，共包含16,000个问题。实验结果表明，EXAQT在回答复杂知识图谱问题方面显著优于三种当前最先进的系统，验证了对时间类问答进行专门化处理的有效性与必要性。