知识图谱(KGs)已成为管理现实世界事实的有效范式,这些事实不仅复杂,而且随着时间的推移而动态演变。 事实的时间有效性通常作为下游链接预测任务的有力线索,该任务预测了事实中缺失的元素。 传统的时间KG链接预测技术要么考虑具有临时定义的时间间隔的KGs的时间快照序列,要么在预定义的时间粒度下在其有效期内扩展时间事实;这些方法不仅受到时间间隔/粒度选择的敏感性的影响,而且在处理具有长(甚至无限)有效性的事实时也面临计算挑战。 虽然最近的超关系KGs代表了一个事实的时间有效性作为描述事实的限定词,但它仍然是次优的,因为它对某些事实的无限有效性的无知以及从限定词中编码的关于时间有效性的信息不足。 在这种背景下,我们提出了VITA,一种用于时间超关系知识图谱的通用tIme重复学习方法。 我们首先提出了一个多功能的时间表示,可以灵活地容纳事实的所有四种时间有效性(即,因为,直到,期间,时间不变),然后设计VITA,以有效地学习时间值和时间跨度两个方面的时间信息,以提高链接预测性能。 我们对VITA进行了彻底的评估,与现实世界KG数据集的大量基线集合相比。 结果表明,VITA在各种链接预测任务(预测缺失实体,关系,时间和其他数字字面量)中的表现优于最佳基线,最多选择75.3个。