摘要
时序知识图谱问答（TKGQA）在处理时间敏感查询方面日益受到关注。然而，现有方法仍面临挑战：问题表示中时间约束整合薄弱导致推理偏差、显式多跳推理能力有限以及语言与图表示融合不佳。本文提出一种新框架，包含时序感知问题编码、多跳图推理及多视图异构信息融合。具体而言，该方法引入了结合语言模型语义线索与时序实体动态的约束感知问题表示；利用时序感知图神经网络通过时间感知消息传递进行显式多跳推理；并采用多视图注意力机制更有效融合问题上下文与时序图知识。多个基准实验表明该方法显著优于现有基线。
AI 推荐理由
论文核心提出多跳图推理框架，解决时间约束下的显式推理难题，属推理能力核心研究。
研究机构
南京理工大学互联网与通信学院
新南威尔士大学工程与健康学院
阿布扎比 Khalifa University 生物医学工程与生物技术系
北京信息科技大学
最短路径科技有限公司
论文信息