Fugu-MT 論文翻訳(概要): SABET-QA: Temporal Knowledge Graph Question Answering

論文の概要: SABET-QA: Temporal Knowledge Graph Question Answering

arxiv url: http://arxiv.org/abs/2608.20083v1
Date: Thu, 20 Aug 2026 14:16:35 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-21 20:28:51.595813
Title: SABET-QA: Temporal Knowledge Graph Question Answering
Title（参考訳）: SABET-QA: 時間的知識グラフの回答
Abstract要約: 複数のホップにまたがる推論状態を反復的に洗練するフレームワークであるSABET-QAを提案する。 CronQuestions、complex-CronQuestions、MultiTQ、TimeQuestionsの実験は、強いベースラインよりも一貫した改善を示している。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Question Answering over Temporal Knowledge Graphs (TKGQA) requires reasoning over time-sensitive facts, yet existing embedding-based methods struggle with multi-step queries due to single-pass reasoning pipelines. We propose SABET-QA, a framework that iteratively refines reasoning states across multiple hops via a bidirectional entity-temporal scoring mechanism and a slot-aware contextualization module that aligns question semantics with temporal KG embeddings. A differentiable working memory enables progressive hypothesis refinement, while auxiliary temporal boundaries serve as coarse supervision when available. Experiments on CronQuestions, Complex-CronQuestions, MultiTQ, and TimeQuestions demonstrate consistent improvements over strong baselines, particularly on complex multi-step temporal queries.
Abstract（参考訳）: 時間的知識グラフに関する質問回答 (TKGQA) では、時間に敏感な事実を推論する必要があるが、既存の埋め込みベースのメソッドは、シングルパス推論パイプラインによるマルチステップクエリに苦労している。 SABET-QAは,複数のホップにまたがる推論状態を,双方向のエンティティ・テンポラル・スコアリング機構と,質問の意味を時間的KG埋め込みと整合させるスロット・アウェア・コンテキスト化モジュールを通じて反復的に洗練するフレームワークである。異なる動作メモリはプログレッシブな仮説の洗練を可能にし、補助的な時間境界は利用可能であれば粗い監督となる。 CronQuestions、complex-CronQuestions、MultiTQ、TimeQuestionsの実験では、特に複雑なマルチステップの時間的クエリにおいて、強いベースラインよりも一貫した改善が示されている。

関連論文リスト

AdapTime: Enabling Adaptive Temporal Reasoning in Large Language Models [65.97075015662318]
AdapTimeは適応的な時間的推論手法であり、入力コンテキストに基づいて推論ステップを動的に実行する。最先端のLCMとシームレスに統合され、外部サポートに頼ることなく、時間的推論能力を大幅に向上する。
論文参考訳（メタデータ） (2026-04-27T08:34:40Z)
Temporal-Aware Heterogeneous Graph Reasoning with Multi-View Fusion for Temporal Question Answering [15.478564862251352]
本稿では,時間認識型質問エンコーディング,マルチホップグラフ推論,多視点異種情報融合を用いた新しいフレームワークを提案する。具体的には,1)言語モデルからのセマンティックキューと時間的実体力学を組み合わせた制約付き質問表現,2)時間的メッセージパッシングによる明示的なマルチホップ推論のための時間的グラフニューラルネットワーク,3)より効果的な質問コンテキストと時間的グラフ知識の融合のためのマルチビューアテンション機構を提案する。
論文参考訳（メタデータ） (2026-02-23T07:36:36Z)
Temp-R1: A Unified Autonomous Agent for Complex Temporal KGQA via Reverse Curriculum Reinforcement Learning [51.79753403262177]
時間的知識グラフ質問回答(TKGQA)は、マルチホップ依存と複雑な時間的制約を持つ動的事実に対する洗練された推論を必要とするため、本質的に困難である。我々は、強化学習を通じて訓練されたTKGQAのための、最初の自律的エンドツーエンドエージェントであるTemp-R1を提案する。 8BパラメータであるTemp-R1はMultiTQとTimelineKGQAの最先端性能を実現し、複雑な問題に対する強いベースラインよりも19.8%向上した。
論文参考訳（メタデータ） (2026-01-26T09:23:53Z)
RTQA : Recursive Thinking for Complex Temporal Knowledge Graph Question Answering with Large Language Models [46.789791710884835]
RTQAは、トレーニングを必要とせずにTKGに対する推論を強化するための新しいフレームワークである。問題をサブプロブレムに分解し、LLMとTKGの知識を用いてボトムアップを解き、フォールトトレランスを改善するためにマルチパス応答アグリゲーションを利用する。 MultiTQとTimelineKGQAベンチマークの実験では、Hits@1が"Multiple"と"Complex"のカテゴリで大幅に改善され、最先端のメソッドよりも優れています。
論文参考訳（メタデータ） (2025-09-04T08:25:01Z)
The benefits of query-based KGQA systems for complex and temporal questions in LLM era [55.20230501807337]
大規模言語モデルは質問回答(QA)に優れていますが、マルチホップ推論や時間的質問には苦戦しています。クエリベースの知識グラフ QA (KGQA) は、直接回答の代わりに実行可能なクエリを生成するモジュール形式の代替手段を提供する。 WikiData QAのためのマルチステージクエリベースのフレームワークについて検討し、課題のあるマルチホップと時間ベンチマークのパフォーマンスを向上させるマルチステージアプローチを提案する。
論文参考訳（メタデータ） (2025-07-16T06:41:03Z)
Self-Improvement Programming for Temporal Knowledge Graph Question Answering [31.33908040172437]
時間的知識グラフ質問回答(TKGQA)は、時間的知識グラフ(TKG)に対する時間的意図で質問に答えることを目的としている。既存のエンドツーエンドの手法は、質問や候補者の回答の埋め込みを学習することで、時間制約を暗黙的にモデル化する。 TKGQA(Prog-TQA)のための新しい自己改善プログラミング手法を提案する。
論文参考訳（メタデータ） (2024-04-02T08:14:27Z)
Multi-hop Question Answering under Temporal Knowledge Editing [9.356343796845662]
知識編集(KE)におけるマルチホップ質問応答(MQA)は,大規模言語モデルの時代において大きな注目を集めている。 KEの下でのMQAの既存のモデルは、明示的な時間的コンテキストを含む質問を扱う場合、パフォーマンスが劣っている。 TEMPoral knowLEdge augmented Multi-hop Question Answering (TEMPLE-MQA) を提案する。
論文参考訳（メタデータ） (2024-03-30T23:22:51Z)
Towards Robust Temporal Reasoning of Large Language Models via a Multi-Hop QA Dataset and Pseudo-Instruction Tuning [73.51314109184197]
大規模言語モデル(LLM)には時間的知識の概念を理解することが不可欠である。本稿では,複数質問応答と複数ホップの時間的推論に焦点をあてた複雑な時間的質問応答データセットであるComplex-TRを提案する。
論文参考訳（メタデータ） (2023-11-16T11:49:29Z)
Semantic Framework based Query Generation for Temporal Question Answering over Knowledge Graphs [19.851986862305623]
本稿では,提案するエンティティの関連事実を探索し,問合せグラフを生成する時間的質問応答手法であるSF-TQAを提案する。評価の結果,SF-TQAは知識グラフの異なる2つのベンチマークにおいて既存手法よりも有意に優れていた。
論文参考訳（メタデータ） (2022-10-10T08:40:28Z)
A Benchmark for Generalizable and Interpretable Temporal Question Answering over Knowledge Bases [67.33560134350427]
TempQA-WDは時間的推論のためのベンチマークデータセットである。 Wikidataは、最も頻繁にキュレーションされ、公開されている知識ベースである。
論文参考訳（メタデータ） (2022-01-15T08:49:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。