SCoP：时态知识图问答中证据空间控制的结构化约束解析

时态知识图问答（TKGQA）需要从结构有效且暂时可接受的证据中进行答案推断。现有的方法通常将锚事件绑定、时间可接受性和序数选择隐含在模型推理、特定任务训练或相似性驱动检索中，从而允许局部相关但无效的事实进入答案上下文。我们将复杂的 TKGQA 制定为证据空间控制，并提出 SCoP（结构化约束解析），这是一种以约束为中心的框架，可在答案推理之前具体化时间决策。 SCoP 并不默认将检索到的事实视为可接受的证据，而是将寻求答案的事件模式与时间锚点事件分开，保守地将它们基于规范的 TKG 实体和关系，并将时间意图转换为具有可选排名要求的可执行约束。这些约束在标准化点和区间范围内运行，从而能够确定性地过滤结构兼容的候选者，并生成紧凑的证据空间以进行生成。 MultiTQ 和 TimelineCronQ-R 上的实验评估了具有更丰富的时间关系和排序依赖性的带时间戳的点事实和面向区间的设置的 SCoP。在没有特定于任务的参数更新的情况下，SCoP 在 MultiTQ 上实现了 0.825 Hits@1，在 TimelineCronQ-R 上实现了 0.761 Hits@1，并且在约束密集型问题类型上有所提高。这些结果支持对无约束检索或隐式时间推理的显式证据空间控制。