Question Answering sur les Graphes de Connaissances Temporels

Les Graphes de Connaissances Temporels (Temporal KGs) étendent les graphes de connaissances réguliers en associant à chaque arête un intervalle temporel (date de début et date de fin). Bien que la question-réponse sur les graphes de connaissances (KGQA) ait attiré une certaine attention de la communauté scientifique, la question-réponse sur les graphes de connaissances temporels (Temporal KGQA) demeure un domaine relativement peu exploré. Un manque de jeux de données à couverture large constitue également un facteur limitant dans ce domaine. Nous répondons à ce défi en présentant CRONQUESTIONS, le plus grand jeu de données connu pour le Temporal KGQA, clairement stratifié selon des niveaux de complexité structurelle. CRONQUESTIONS étend d’un facteur 340 le seul jeu de données antérieurement connu. Nous constatons que diverses méthodes d’état de l’art en KGQA se révèlent nettement insuffisantes en termes de performance sur ce nouveau jeu de données. À cette fin, nous proposons également CRONKGQA, une solution fondée sur les transformateurs, exploitant les progrès récents dans les embeddings de graphes de connaissances temporels, et atteignant une performance supérieure à toutes les méthodes de référence, avec une amélioration de 120 % en précision par rapport à la meilleure méthode précédente. À travers des expérimentations approfondies, nous fournissons des analyses détaillées du fonctionnement de CRONKGQA, ainsi que des indications sur les situations où des progrès significatifs restent possibles. En complément du jeu de données, nous avons également rendu disponible notre code source.