"本书着重从方法论角度对时序知识图谱和静态知识图谱在构建和应用等方面进行了详细对比，并梳理了翻译模型、张量分解模型、图神经网络模型、时序点过程模型等具有代表性的时序知识图谱推理技术路线。本书既涵盖了大量经典算法，又引入了近年来在该领域研究中涌现出的新方法、新思路，力求兼顾内容的基础性和前沿性。同时，本书还融入了笔者多年来从事以自然语言处理和知识工程为核心的人工智能研究与应用过程中对于知识图谱和时序人工智能的机理内涵理解与发展趋势研判。
本书可供计算机、人工智能、信息处理、自动化、系统工程、应用数学等专业的教师以及相关领域的研究人员和技术开发人员参考。"

王亚珅，博士，高级工程师，2012年毕业于北京理工大学计算机学院获学士学位，2018年毕业于北京理工大学计算机学院获博士学位，研究方向包括自然语言处理、数据挖掘、知识图谱、社交网络分析等。主持国家自然科学基金青年科学基金、中国电科集团新一代人工智能专项行动计划、中国博士后科学基金会等项目。获2021年中国电子学会科技进步二等奖（6/10）、2018年人工智能学会优秀博士学位论文奖、2024年IEEE DSC杰出论文奖等。现任中国中文信息学会语言与知识计算专委会委员、中国图象图形学学会情感计算与理解专委会委员、中国指挥与控制学会平行指控专委会委员、中国自动化学会联邦数据与联邦智能专委会委员等，中国科学技术大学、上海交通大学、北京邮电大学、北京工业大学等高校研究生企业导师。主编学术专著2部，以第一作者（含通讯作者）身份发表TKDE、TKDD、ACL、WWW、IJCAI等顶级期刊/会议论文20余篇，受理发明专利20余项。