論文の概要: ChronoSynth: Constraint-Aware Question Synthesis over Temporal Knowledge Graphs

• arxiv url: http://arxiv.org/abs/2610.29339v1
• Date: Wed, 21 Oct 2026 07:35:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.274705
• Title: ChronoSynth: Constraint-Aware Question Synthesis over Temporal Knowledge Graphs
• Title（参考訳）: ChronoSynth: 時間的知識グラフを用いた制約を考慮した質問合成
• Abstract要約: 知識グラフ質問生成(KGQG)は構造化グラフ証拠と対象回答から自然言語質問を生成する。 本稿では,時間的KGQGを制約保存グラフ探索問題として検討する。 メモリ拡張および制約対応生成フレームワークであるChrono Synthを提案する。
• 参考スコア（独自算出の注目度）: 17.722229349522355
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Knowledge graph question generation (KGQG) generates natural-language questions from structured graph evidence and a target answer. When the input graph is temporal, a valid question must also preserve the answer field, time condition, reference event, and temporal order that determine the answer set. Existing KGQG methods and prompting baselines can produce fluent questions that alter these conditions, causing temporal semantic drift. This paper studies temporal KGQG as a constraint-preserving graph-to-question problem and proposes ChronoSynth, a memory-augmented and constraint-aware generation framework. ChronoSynth first constructs a Temporal Intent State to make the intended question semantics explicit. It then retrieves compatible typed question patterns from an indexed pattern memory, adapts them to the input graph, and validates the generated question. Validation feedback guides revisions when a supported inconsistency is detected. Experiments on CRONQUESTIONS and MultiTQ demonstrate state-of-the-art generation performance, with ablations supporting the contributions of its components.
• Abstract（参考訳）: 知識グラフ質問生成(KGQG)は構造化グラフ証拠と対象回答から自然言語質問を生成する。 入力グラフが一時的な場合、有効な質問は回答のフィールド、時間条件、参照イベント、そして回答セットを決定する時間順序も保持しなければならない。 既存のKGQG法とベースラインの促進は、これらの条件を変えるような流動的な質問を生じさせ、時間的セマンティックドリフトを引き起こす。 本稿では,時間的KGQGを制約保存グラフ探索問題として検討し,メモリ拡張および制約対応生成フレームワークであるChronoSynthを提案する。 ChronoSynthはまず、意図した質問の意味を明示するために、時間的意図状態を構築する。 その後、インデックス化されたパターンメモリから互換の型付き質問パターンを取得し、それらを入力グラフに適応させ、生成された質問を検証する。 検証フィードバックは、サポート対象の不整合が検出されたときにリビジョンをガイドする。 CRONQUESTIONSとMultiTQの実験は、最先端の世代性能を示し、そのコンポーネントのコントリビューションをサポートする。

関連論文リスト

• ChronoQG: Towards a Temporally Expressive and Hop-Bounded Benchmark for Temporal Knowledge Graph Question Generation [9.596365499364323]
  知識グラフ質問生成(KGQG)は、構造化グラフ証拠から自然言語質問を生成することを目的としている。 既存のKGQGベンチマークは主に静的知識グラフ上に構築されており、グラフ事実の時間的スコープを符号化していない。 提案するChronoQGは,TKGQGのための時間表現型およびホップバウンド型ベンチマーク構築フレームワークである。
  論文  参考訳（メタデータ） (2026-07-16T09:53:26Z)
• Respecting Temporal-Causal Consistency: Entity-Event Knowledge Graphs for Retrieval-Augmented Generation [69.45495166424642]
  我々は,物語文書における時間的,因果的,文字的整合性を理解するために,頑健で差別的なQAベンチマークを開発する。 次に、バイナリマッピングでリンクされたエンティティとイベントのサブグラフを分離したまま保持するデュアルグラフフレームワークであるEntity-Event RAG(E2RAG)を紹介します。 ChronoQA全体で、我々のアプローチは最先端の非構造化およびKGベースのRAGベースラインよりも優れており、因果一貫性クエリや文字整合性クエリが顕著である。
  論文  参考訳（メタデータ） (2025-06-06T10:07:21Z)
• Integrating Large Language Models with Graph-based Reasoning for Conversational Question Answering [58.17090503446995]
  我々は,テキストや知識グラフ,テーブル,インフォボックスといった異質な情報源から収集された証拠について,文脈における質問の理解と推論の課題を組み合わせた会話型質問応答タスクに着目する。 提案手法はグラフ構造表現を用いて質問とその文脈に関する情報を集約する。
  論文  参考訳（メタデータ） (2024-06-14T13:28:03Z)
• 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)
• Davidsonian Scene Graph: Improving Reliability in Fine-grained Evaluation for Text-to-Image Generation [64.64849950642619]
  テキスト・ツー・イメージ・モデルを評価するための形式的意味論にインスパイアされた評価フレームワークを開発する。 Davidsonian Scene Graph (DSG) が依存性グラフにまとめられた原子的およびユニークな質問を生成することを示す。 また,1060個のプロンプトを含むオープンソースの評価ベンチマークDSG-1kを提案する。
  論文  参考訳（メタデータ） (2023-10-27T16:20:10Z)
• Event Extraction as Question Generation and Answering [72.04433206754489]
  イベント抽出に関する最近の研究は、質問回答(QA)としてタスクを再編成した。 そこで我々は,QGA-EEを提案する。QGモデルにより,定型テンプレートを使わずに,リッチな文脈情報を含む質問を生成することができる。 実験の結果、QGA-EEはACE05の英語データセットで以前のシングルタスクベースのモデルよりも優れていた。
  論文  参考訳（メタデータ） (2023-07-10T01:46:15Z)
• TwiRGCN: Temporally Weighted Graph Convolution for Question Answering over Temporal Knowledge Graphs [35.50055476282997]
  時間的質問応答(QA)のための関係グラフ畳み込みネットワーク(RGCN)の一般化方法を示す。 コンボリューション中にKGエッジを通過するメッセージを変調する,新しい,直感的で解釈可能な方式を提案する。 TwiRGCN(TwiRGCN)と呼ばれる、複雑な時間的QAのための、最近リリースされた挑戦的データセットであるTimeQuestions(TimeQuestions)において、結果システムを評価する。
  論文  参考訳（メタデータ） (2022-10-12T15:03:49Z)
• 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)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。