进入大数据时代,信息量的爆炸式增长、信息内容多源异质且组织结构松散,给知识互联的实现带来了巨大的挑战,因此需要探索新的、合适的知识组织原则,以提高机器对信息的处理能力和知识的认知能力。知识图谱便在这种情况下应运而生,主要用于对结构化的信息进行组织、管理和查询。然而,在现实世界中,许多事实都不是一成不变的,而是倾向于仅在特定时间段内有效,并且随着异构事件数据的快速增长,知识图谱总是处于不断演化的动态之中。因此,引入时序信息的时序知识图谱及其相关模型的研究越来越受到青睐,让“知识”能够与时俱进、自动更新。现有的时序知识图谱嵌入表示模型主要处理时间顺序信息、时间范围信息和实体/关系动态演化过程三种类型的时序信息,并在近期的发展中形成了时序嵌入模型、基于图拓扑结构的时序知识图谱模型等具体方法。然而,语义信息运用不充分、算法耗时长、模型参数高度复杂、时序信息运用不完整等问题仍存在于时序知识图谱嵌入表示模型的研究当中,本文针对上述问题展开研究,调研具有代表性的现有模型,并进行改进提升,提出了两种具有创新性和有效性的模型。论文主要工作如下:（1）本文系统性地对现有的时序知识图谱及其嵌入表示模型进行了全面而深入的研究和描述,包括基本定义和原理、嵌入表示方法类别等方面,并基于时序信息的三种类型广泛调研,对时序知识图谱嵌入表示模型进行时序建模测评;此外,本文还详细整理了时序知识图谱涉及到的下游任务、广泛使用的数据集和常见的评价指标体系,在此基础上对现有代表性模型进行调研,并分析了时序知识图谱在未来面临的挑战和研究方向。（2）提出了基于历时嵌入的Mod E模型（DE-Mod E）。针对已有模型不能充分利用语义信息、算法耗时长、模型参数高度复杂的问题,本方法继承层次结构感知知识图谱嵌入模型HAKE的思想,将实体的语义层次结构信息映射到一条数轴上并将其视为模量,而将关系视为两个实体模量之间的缩放变换,然后将其与历时嵌入模型DE相结合,形成一个简单而高效的模型——DE-Mod E模型。我们在ICEWS的两个数据集上进行实验以验证DE-Mod E模型的有效性。（3）提出了基于历时嵌入和时间谓词序列的嵌入表示模型（DETA）。针对已有模型对时序信息运用不完整的问题,本方法同时引入历时嵌入和时间谓词序列的核心思想,分别为实体和关系封装上时序信息,形成新的、带有完整时序信息的嵌入表示向量。将该嵌入向量替代原有的嵌入向量,可与任何静态模型相结合,形成一个新的时序知识图谱模型。我们同样在ICEWS的两个数据集上验证DETA模型的有效性。