摘要
基于时序知识图谱（Temporal Knowledge Graph, KG）的问答系统能够高效利用时序KG中所包含的事实，即实体之间的关系及其发生的时间信息，来回答自然语言问题（例如：“奥巴马之前谁是美国总统？”）。这类问题通常涉及三个时间相关挑战，而以往的研究未能充分应对：（1）问题往往未明确指定感兴趣的精确时间戳（例如仅提及“奥巴马”而非具体年份如2000年）；（2）时间关系中的细微词汇差异（如“之前”与“之后”）；（3）以往研究依赖的现成时序KG嵌入方法忽略了时间戳之间的时序顺序，而这一顺序对于回答涉及时间顺序的问题至关重要。本文提出一种时间敏感的问答框架（Time-Sensitive Question Answering, TSQA），以应对上述挑战。TSQA引入一个时间戳估计模块，用于从问题中推断出隐含的时间戳；同时采用一种时间敏感的知识图谱编码器，将时间顺序信息注入到时序KG嵌入表示中。此外，通过引入减少候选答案搜索空间的技术，TSQA在一项面向时序KG问答的新基准测试中显著优于此前的最先进方法，尤其在需要对时序KG中的多个事实进行多步推理的复杂问题上，错误率绝对降低达32%。