マルチモーダル知識グラフ（MMKG）は、テキストや画像などのモダリティをエンティティに付与することで表現を豊かにしますが、非常に類似したマルチモーダル特徴を持つエンティティの識別は依然として困難です。これらのエンティティは混同されやすく、下流タスクの性能を制限します。時間情報はエンティティの進化を捉える重要な次元であり、理論的には追加モダリティとして曖昧性解消に寄与できますが、既存研究では時間をテキストや画像と並ぶ独立モダリティとして扱うことはほとんどありませんでした。主な障害は、時間セマンティクスが疎でありリッチなモダリティとの整列が難しいこと、およびエンティティが複数のタイムスタンプを持つことが多くそのまま使用するとノイズが生じ表現のロバスト性が低下することです。
これらの課題に対処するため、Pengyu Zhang ら研究チームは「タイムインプリント」フレームワークを提案しました。本フレームワークは初めて時間をエンティティレベルのモダリティとして扱い、三視点対照学習目標を構築して時間・テキスト・視覚表現を共有空間で意味的に整列させます。複数タイムスタンプによる曖昧性を軽減するため、コンパクトなタイムスタンプサブセット選択の設計空間を探索し、アテンションプーリング機構を用いて選択されたサブセットを識別的な時間埋め込みに集約することで、時間特異性とロバスト性のバランスを実現します。
実験は3つの標準MMKGベンチマークでリンク予測性能を評価しました。結果、タイムインプリントは全体のHits@1で既存最先端手法を最大6.07%上回り、特に曖昧性の最も高い上位1%サンプルでは58%もの改善を示しました。さらに、異なる融合戦略やタイムスタンプの可用性・品質に対する感度を分析し、時間がモダリティとして最も効果を発揮する条件を明らかにしました。追加の訓練オーバーヘッドはわずかであり、コードは匿名リポジトリで公開されています。本研究成果は2026年7月にarXivに提出され、コンピュータビジョンとパターン認識の分野に属します。