Treue zeitliche Fragebeantwortung über heterogene Quellen

Die zeitliche Fragebeantwortung (Temporal QA) beinhaltet zeitliche Einschränkungen, wie beispielsweise Ausdrücke wie „… im Jahr 2019“ oder „… vor der COVID-Pandemie“. Im ersten Fall ist die Zeit explizit gegeben, im zweiten Fall implizit. Moderne Ansätze weisen an drei Dimensionen erhebliche Einschränkungen auf. Erstens werden bei neuronalen Inferenzmethoden zeitliche Bedingungen lediglich weich (soft-matched) berücksichtigt, was Raum für ungültige oder unerklärliche Antworten lässt. Zweitens sind Fragen mit impliziten Zeitangaben nur unzureichend unterstützt. Drittens stammen die Antworten stets aus einer einzigen Quelle – entweder einer Wissensbasis (KB) oder einem Textkorpus. Wir stellen ein zeitliches QA-System vor, das diese Mängel adressiert. Erstens wird durch das System eine strenge Einhaltung zeitlicher Bedingungen für eine treue Antwort mit greifbaren Beweisen sichergestellt. Zweitens werden implizite Fragen angemessen verarbeitet. Drittens arbeitet das Verfahren über heterogene Quellen hinweg und integriert KB, Texte und Webtabellen einheitlich. Die Methode besteht aus drei Stufen: (i) Verständnis der Frage und ihrer zeitlichen Bedingungen, (ii) Abruf von Beweisen aus allen Quellen und (iii) treue Beantwortung der Frage. Da implizite Fragen in vorherigen Benchmarks spärlich sind, führen wir eine systematische Methode zur Generierung vielfältiger Fragen ein. Experimente zeigen eine überlegene Leistung gegenüber einer Reihe von Benchmarks.