Question Answering Over Temporal Knowledge Graphs提出的框架

使用了多种技术来解决时间知识图谱中的问题回答任务。首先，该框架使用了LSTM网络来对问题和知识图谱中的文本进行编码，以获得语言模型的预测结果。其次，该框架使用了Temporal Attention Mechanism对时间信息进行建模，以捕捉时间对问题回答的影响。最后，该框架还提出了一种基于图卷积网络（GCN）的时间建模方法，可以对时间上的关系进行建模和预测。同时，该框架引入了一个基于知识图谱的实体消歧模块，可以对问题中的实体进行正确的消歧，从而提高了问题回答的精确度。综合来看，该框架在处理时间知识图谱上的问题回答任务方面有较好的表现。