随着知识自动化抽取技术不断发展,现已能够从结构化或松散结构化Web资源中抽取时间信息以构建时间知识图谱。时间信息表明知识拥有高度短暂性而非静态不变,即每一个知识仅在有限时间范围内有效。此外,具有时间信息的知识通常带有相应权重以标记知识成立的可能性。虽然自动化抽取技术的发展使得知识图谱规模不断扩大,但也增加了知识错误概率。现有知识图谱的研究大多仅关注静态知识,缺乏处理不确定时间知识的管理方案,限制了时间知识图谱的进一步推广及应用。为了高效处理知识图谱上的时间冲突的问题,本文从挖掘时间知识图谱中最可能错误的知识以及纠正错误知识两个角度进行研究,其主要研究内容如下:(1)介绍了现有的知识消歧技术,包括静态知识消歧和时间知识消歧。同时分析了当前技术存在的问题,为本文接下来的工作打下基础。(2)提出了基于规则的冲突知识检测方法。该方法通过挖掘隐含时间规则以检测不确定时间知识图谱中的冲突知识集。通过知识图谱映射转化求解最大权团,从中选取最可能正确的知识以生成一致的知识图谱,该算法可以在得到最可能一致的知识图谱的同时,尽可能保留知识规模。(3)提出了基于规则的知识纠错方法。该方法考虑了相似度距离和类型规则,并基于相关时间规则约束对错误的知识的主语和谓语进行修改。通过评价函数选择候选知识中最可能正确的知识。同时,该方法考虑了时间区间的可变性,对原有知识图谱进行了补充。基于上述研究工作,本文在FootballDB和DBpeida数据集上验证了提出方法的可行性与有效性。实验结果表明,本文提出的时间知识消歧方法在准确率和召回率方面优于现有的知识消歧方法,对相关研究工作具有一定的参考价值。