時刻を意識したマルチウェイ適応融合ネットワークによる時系列知識グラフ質問応答

知識グラフ（KG）は自然言語処理分野における広範な応用が注目されるようになっており、その重要性が高まっている。しかし、時系列的質問応答（QA）におけるKGの活用はまだ十分に探求されていない。既存の多くは事前学習済み言語モデルに基づいて開発されているが、それらは時系列的KGQAタスクにおいてエンティティの「時系列特有の表現」を学習する能力に限界がある可能性がある。この問題を緩和するために、本研究では新たな時系列認識型多方向適応的（TMA）融合ネットワークを提案する。人間の段階的推論行動に着想を得て、与えられた質問に対してTMAはまずKGから関連する概念を抽出し、次に多方向適応モジュールに供給することで、質問の「時系列特有の表現」を生成する。この表現は事前学習済みKG埋め込みと組み合わせられ、最終的な予測を生成する。実証実験の結果、提案モデルはベンチマークデータセットにおいて最先端モデルを上回る性能を達成した。特に、CronQuestionsデータセットの複雑な質問において、TMAのHits@1とHits@10は最良のベースラインと比較してそれぞれ24%、10%の絶対的向上を示した。さらに、TMAが採用する適応的融合機構により、質問表現における情報の割合を分析することで、モデルの解釈可能性（interpretability）が向上することも示した。