Joint Multi-Facts Reasoning Network For Complex Temporal Question Answering Over Knowledge Graph

要約

時間知識グラフ(TKG)は通常の知識グラフに時間スコープを追加したものである。既存の時間知識グラフ質問応答(TKGQA)モデルは、各質問は明示的/暗黙的な時間制約を持つ単一の時間的事実のみを含むという事前仮定により、単純な質問にのみアプローチします。従って、複数の時間的事実を含む質問に対しては、性能が低い。本論文では、複数の時間的事実を共同で推論し、時間的質問に正確に答えるために、JMFRN(Joint ゙Textbf ゙Ulti ゙Actions ゙Actions ゙Easoning ゙Textbf ゙ R}easoning ゙N}etwork)を提案する。具体的には、JMFRNはまず、与えられた複雑な質問の各エンティティに対して、TKGから質問に関連する時系列的事実を検索する。共同推論のために、ユニバーサルな設定に適した2つの異なるアテンション（entity-awareとtime-aware）モジュールを設計し、検索された事実のentityとtimestamps情報を集約する。さらに、不正なタイプの回答をフィルタリングするために、追加の回答タイプ識別タスクを導入する。広範な実験により、我々の提案手法は、よく知られた複雑な時間的質問のベンチマークであるTimeQuestionsにおいて、最先端技術を大幅に凌駕することが実証された。

要約(オリジナル)

Temporal Knowledge Graph (TKG) is an extension of regular knowledge graph by attaching the time scope. Existing temporal knowledge graph question answering (TKGQA) models solely approach simple questions, owing to the prior assumption that each question only contains a single temporal fact with explicit/implicit temporal constraints. Hence, they perform poorly on questions which own multiple temporal facts. In this paper, we propose \textbf{\underline{J}}oint \textbf{\underline{M}}ulti \textbf{\underline{F}}acts \textbf{\underline{R}}easoning \textbf{\underline{N}}etwork (JMFRN), to jointly reasoning multiple temporal facts for accurately answering \emph{complex} temporal questions. Specifically, JMFRN first retrieves question-related temporal facts from TKG for each entity of the given complex question. For joint reasoning, we design two different attention (\ie entity-aware and time-aware) modules, which are suitable for universal settings, to aggregate entities and timestamps information of retrieved facts. Moreover, to filter incorrect type answers, we introduce an additional answer type discrimination task. Extensive experiments demonstrate our proposed method significantly outperforms the state-of-art on the well-known complex temporal question benchmark TimeQuestions.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL