अपूर्ण ज्ञान ग्राफ की चुनौतियों का समाधान करने के लिए, यह पत्र एक नवीन प्रश्न-उत्तर दृष्टिकोण प्रस्तावित करता है जो पूर्ण ज्ञान ग्राफ में मौजूद उत्तरों की भविष्यवाणी करता है, भले ही वे ग्राफ में स्पष्ट रूप से मौजूद न हों। हम औपचारिक रूप से दो प्रश्न-उत्तर समस्याओं का परिचय और अध्ययन करते हैं: प्रश्न-उत्तर वर्गीकरण और प्रश्न-उत्तर पुनर्प्राप्ति। इसे प्राप्त करने के लिए, हम AnyCQ मॉडल प्रस्तावित करते हैं, जो मनमाने ज्ञान ग्राफ पर मनमाने संयुक्त प्रश्नों के उत्तरों को वर्गीकृत कर सकता है। इसके मूल में, AnyCQ एक ग्राफ न्यूरल नेटवर्क है जिसे सुदृढीकरण सीखने के उद्देश्यों का उपयोग करके प्रशिक्षित किया जाता है, जो बूलियन प्रश्नों के उत्तर प्रदान करता है। सरल, छोटे उदाहरणों पर प्रशिक्षित, AnyCQ मनमाने ढांचे के साथ बड़े प्रश्नों के लिए सामान्यीकृत होता है, विश्वसनीय रूप से उन प्रश्नों के उत्तरों को वर्गीकृत और पुनर्प्राप्त करता है
