申宇铭，杜剑峰

广东外语外贸大学信息科学与技术学院，广东 广州 510420

1 引言

在人工智能飞速发展的背景下，知识图谱（knowledge graph）被普遍地认为是人工智能技术和系统中的重要组成部分，在智能搜索、网络安全、金融风险控制及电子商务等诸多领域得到了广泛应用。传统的知识图谱以（实体，关系，实体）或（实体，属性，属性值）三元组集合的方式来表达现实世界的概念、实体、事件及三者之间的关系。比如，三元组(姚明,身高,2.26米)和(姚明,国籍,中国)。2012年5月，谷歌公司发布了谷歌知识图谱（Google knowledge graph），宣布以此为基础构建下一代智能化搜索引擎。这是知识图谱名称的由来，也标志着大规模知识图谱在语义搜索中的成功应用。事实上知识图谱技术渊源已久——从20世纪70年代的专家系统（expert system），到万维网之父Tim Berners-Lee提出的语义网（semantic web），再到他后来提出的链接数据（linked data），都是知识图谱的前身。可以说，知识图谱的升温是人工智能对数据处理与理解需求逐日增加而导致的必然结果。

时间是自然界中所有实体都具有的重要属性，不少知识图谱（如Freebase、Wikidata、DBpedia、YAGO等）具有时间标记的知识。将时间信息引入三元组中所构成的四元组集合称作时态知识图谱（temporal knowledge graph）。全球事件知识图谱[1]和冲突事件知识图谱[2]都是典型的基于事件的时态知识图谱。此类知识图谱不仅包含了事件之间的共指、因果和时序等关系，还描述了事件之间的规律和演化模式，对传统的知识图谱补充了时间信息，因而具有更大的应用价值。时态知识图谱示例如图1所示。……