超越直觉：面向时序知识图谱问答的零样本策略合成与执行

《Knowledge-Based Systems》：Beyond intuition: Zero-shot policy synthesis and execution for temporal knowledge graph question answering

　　

**主要贡献**

- ORACLE-T 无需任务特定训练即可回答时间知识图谱（TKG）问题
- 使用符号算子替代不可靠的语言模型时间判断
- 通过图验证在锚定阶段解决模糊的实体和关系
- 采用约束引导搜索为每个问题执行综合策略
- 在 MultiTQ 上 Hits@1 提升 8.7%，在 CronQuestions 上提升 2.7%

---

## 引言

考虑如下问题："在2014年中国最后一次访问之前，是谁访问了日本？"

从时间知识图谱（TKG）中回答此问题需要三种不同能力：(1) 将实体"日本"和"中国"以及关系"访问"锚定到具体的 TKG 节点和谓词上；(2) 检索涉及中国 2014 年的所有访问事件并选择时间上最后一个；(3) 查找所有时间戳早于该选定事件的对日访问事件。第一种能力属于语义性质：它需要世界知识和上下文理解。第二和第三种属于时间性质：它们涉及对时间戳进行过滤、排序和选择。这两种推理在本质上有根本不同。语义锚定是近似的、依赖上下文的，并能从大语言模型（LLMs）编码的广泛知识中获益。而时间约束满足是精确的、组合式的，并且给定 TKG 的时间戳标注后是完全可判定的。

时间知识图谱问答（TKGQA）[1] 已成为知识图谱问答（KGQA）[2] 中一个快速发展的领域。与仅记录每个事实最新状态的静态知识图谱不同，TKG 通过将事实存储为四元组（主体、谓词、客体、时间戳）[3]，[4] 来保留真实世界知识的完整时间演化过程。这种时间锚定支持了更丰富的查询类别，这对于时间决定正确性的领域至关重要——从追踪地缘政治事件和金融市场动态，到分析历史因果关系和科学进步 [5]。LLMs 的引入进一步加速了这一领域的发展，为该任务带来了强大的语义理解能力 [6]，[7]，[8]，[9]，[10]，[11]。然而，正如我们上述例子所展示的，TKGQA 的时间维度提出了与传统 KGQA 有本质不同的挑战。

尽管存在这种本质差异，迄今为止所有主要的 TKGQA 框架都将语义推理和时间推理等同对待，将两者都委托给一个以自由形式自然语言推理的单个 LLM。无论系统采用迭代检索 [12]，[13]、递归子问题分解 [14] 还是抽象计划生成 [15]，[16]，[17]，每一步中的 LLM 都同时充当语义解释器、时间约束执行者和证据检索器（通过相似度匹配）。这种架构上的混同不仅不够优雅，而且是该领域中最持久的三种故障模式的直接原因。

**时间可靠性缺口。** LLMs 缺乏时间锚定。近期严谨的评估表明，主流 LLMs 在超过 27% 的预测中表现出不连贯的时间行为，且无论是扩大模型规模还是应用思维链提示都无法可靠地弥合这一缺口 [18]，[19]。关于无污染合成基准的补充证据进一步证实，即使是 GPT-4 等前沿模型也在受控时间逻辑任务上系统性失败，准确率在不同问题结构和问题类型间差异巨大 [20]。当"before"、"after"、"first"、"last"等时间约束被委托给 LLM 的自由形式推理时，系统全盘继承了这些缺陷。例如，TimeR4 [12] 依赖 LLM 在其自然语言生成中解释和执行时间表达式，产生的答案频繁违反问题的时间要求。其中的讽刺显而易见：这些约束通过 TKG 时间戳上的符号操作可以轻易实现，却被委托给系统中可靠性最低的组件。

**语义锚定缺口。** 另一方面，实体和关系锚定需要的不仅仅是表层相似度匹配。上下文相关的指称（缩写、同义词、组合短语）经常击败基于词汇和嵌入的链接器。Prog-TQA [21] 主要依赖相似度匹配进行实体链接，而 ARI [15] 采用低质量预标注作为推理锚点且无进一步验证。这两种方法都忽略了一个在 TKG 本身中现成可用的强大信号：图的关联结构可以通过检查提出的实体-关系组合是否实际存在为实例化路径来确认或反驳候选锚定。未能利用这一结构约束会导致错误传播，因为错误锚定的锚点会破坏每个下游推理步骤。

**适应性缺口。** 微调提供了一种蛮力补救，但根本不适配时间知识场景。TKGs 持续演化：新事件被添加，旧事实过期，问题分布偏移。微调模型必须重新训练以跟踪这些变化，这是一个资源密集型过程且风险是对过时快照过拟合。这种方法的脆弱性在量化上显而易见：Prog-TQA [21] 和 TimeR4 [12] 在移除微调后准确率下降超过 20%，揭示其性能是由记忆而非可迁移推理所维持。

上述三个缺口共享一个共同根源：未能分离应当符号计算的部分与应当神经解释的部分。我们将此观察形式化为一条设计原则：将每个推理子任务分配给为该子任务提供最强正确性保证的机制。

基于此原则，我们提出 **ORACLE-T**（本体锚定的事件-时间约束逻辑推理架构 / Ontology-anchored Reasoning Architecture with Constrained Logic for Events-Temporal），一个通过两条明确分离的约束路径在神经推理和符号推理之间实现原则性分工的零样本 TKGQA 框架：

1. **语义锚定路径。** 实体和关系模糊性通过结合混合候选检索、基于 LLM 的语义重排序和图结构锚定歧义消解来解决。LLM 的世界知识为模糊指称提供上下文理解，而 TKG 的实例化关联结构充当结构验证信号，两者共同确保高保真语义锚定——这是任何一个组件单独无法实现的。

2. **时间逻辑路径。** 问题中的时间线索被解析并编译为正式的**时间执行策略（TES）**，这是一种由边界过滤、排序比较和极值选择符号算子组成的复合体。这些算子直接作用于 TKG 时间戳，提供确定性的、可验证的时间约束执行，独立于 LLM 的时间直觉。

双约束路径共同引导动态束搜索，从 TKG 中实例化查询相关的子图。当严格约束无法产生有效答案时，级联查询松弛机制按递增扰动成本顺序系统地拓宽语义和时间约束，在不牺牲核心推理回路精确性的前提下恢复召回率。整个框架在零样本设置下运行：它无需任务特定训练、无需微调、也无需数据集特定标注，可立即部署于演化的 TKG 快照上。

我们的贡献总结如下：

- 我们将当前 TKGQA 系统将语义解释与时间约束执行混同的观察形式化，并提出 ORACLE-T——一个零样本双路径框架，将每个子任务分配给最适合其的推理机制。关键在于，这不是先前组件的简单组合，而是对 TKG 计算角色的改变：图从被动的证据源变为主动的约束系统，控制哪些实体、关系和时间戳操作是可接受的——这一缺陷为检索-重排序、程序生成和图约束解码方法所共有。

- 我们设计了语义锚定路径，结合混合候选检索、基于 LLM 的重排序和知识锚定歧义消解，利用 TKG 结构约束高保真地解决实体和关系模糊性。

- 我们提出时间逻辑路径，将自然语言时间线索编译为由符号算子组成的正式时间执行策略，以 TKG 时间戳上的确定性约束执行替代 LLM 不可靠的时间直觉。

- 无需任何任务特定训练，ORACLE-T 在 MultiTQ [22] 和 CronQuestions [1] 上达到最先进的性能，超越最佳非微调基线 8.7% 和 2.7%，并分别超越最强微调竞争对手 7.2% 和 0.7%。

---

## 传统 TKGQA 方法

早期 TKGQA 方法主要将静态 KGQA 技术扩展到时间领域，核心关注点是提高模型表示时间的能力。例如，EmbedKGQA [23] 及其时间版本 CronKGQA [1] 通过学习嵌入表示对答案评分，而 MultiQA [22] 等框架利用 BERT [24] 等编码器聚合多粒度时间信息。更近期，TEQA [25] 通过优化的时间表示增强了动态知识表示。

---

## 方法论

图 1 展示了 ORACLE-T 的概述。该框架将 TKGQA 重新表述为在时间戳知识图谱上的策略引导启发式搜索，并将端到端推理分解为四个阶段，明确的设计目标是将每个子任务分配给提供最强正确性保证的机制。形式化地，给定自然语言问题 $q$ 和时间知识图谱 $\mathcal{G}=(\mathcal{E},\mathcal{R},\mathcal{T},\mathcal{F})$，其中事实 $\mathcal{F}\subseteq\mathcal{E}\times\mathcal{R}\times\mathcal{E}\times\mathcal{T}$，ORACLE-T 通过四个耦合阶段产生答案集 $\mathcal{A}(q)\subseteq\mathcal{E}\cup\mathcal{T}$。

---

## 数据集

我们选择了两个互补的 TKGQA 数据集：CronQuestions [1] 和 MultiTQ [22]。CronQuestions 源自 Wikidata，利用复杂的逻辑结构和相对简单的时间约束来评估模型在复杂场景下的基本时间推理能力。MultiTQ 源自 ICEWS，创新性地引入了多粒度时间（即年、月、日），旨在通过多样的时间维度全面测试模型的时间泛化能力。

---

## 结论

我们提出 ORACLE-T，一个零样本框架，解决了基于 LLM 的 TKGQA 的两个长期弱点：不可靠的时间直觉和在改写或有噪声查询下的语义脆弱性。不同于依赖脆弱嵌入相似度或昂贵任务特定微调的方法，ORACLE-T 将双约束策略引导束搜索与级联查询松弛例程相结合，使 LLM 能够作为时间图上的有纪律的策略执行者，而非……

---

## CRediT 作者贡献声明

Chenhao Li：撰写-审阅与编辑，撰写-初稿，可视化，验证，软件，方法论，调查，形式分析，数据管理，概念化。
Dandan Song：撰写-审阅与编辑，监督，资源，项目管理，资金获取，概念化。
Zhijing Wu：撰写-审阅与编辑，监督，方法论，概念化。
Yuhang Tian：撰写-初稿，方法论，调查。
Jun Yang：撰写-初稿。

---

## 生成式 AI 和 AI 辅助技术在写作过程中的声明

作者声明在本手稿的写作过程中未使用任何生成式 AI 或 AI 辅助技术。

---

## 资金

本研究受中国国家重点研发计划（项目编号：2025YFB3003700）、国家自然科学基金（项目编号：62476025）以及中央高校基本科研业务费资助。

---

## 利益冲突声明

作者声明不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。

Chenhao Li | Dandan Song | Zhijing Wu | Yuhang Tian | Jun Yang | Changzhi Zhou | Huipeng Ma