时间概念广泛存在于自然语言、文本、事件以及日常生活中,在表述时间的过程中,基于不同的时间粒度会产生不同的时间语义信息。随着数据的海量增长,各领域中包含着大量的数据,同时也蕴含着丰富的时间语义信息。如何组织和管理这些时间信息,已经越来越成为各领域亟待解决的问题。关于时间的理解是表示时间概念的基础。本文通过梳理现有关于时间粒度以及时间数据模型的研究发现,传统的多粒度时间数据模型更偏向基于关系数据模型的时间数据管理,不适用于表示自然语言中的时间语义。自然语言中的时间语义具有多粒度、多义、事件化以及递进式理解等特征,需要有全新的多粒度时间数据模型来支持表示。为此,本文提出基于意义图的多粒度时间数据模型,意义图模型使用意义节点来表示语义单元,使用四种元意义关联（组合、特化、等价和引用）来表示意义节点之间的语义关联,意义图模型以意义为导向,使用自然的、简单的方式来表示复杂的语义。本文提出的时间数据模型可以有效地表示时间短语以及事件时刻与时间粒度之间的映射,并且支持时间的递进式理解。本文首先对多粒度时间进行概述,包括自然语言中时间语义的特征、时间短语的分类等,分析传统的多粒度时间数据模型在表示时间方面的不足以及本研究的优势。其次,在现有研究的基础上,提出了关于时间粒度、时刻域和时间区间等的一系列定义、性质以及推论。最后,将事件时刻映射到时间粒度,并采用模式描述语言对常见的时间短语和事件中包含的时间语义进行表示。此外,文章使用模式描述语言对事件和时间短语的实例逐一进行表示,将事件中包含的时间语义和时间粒度关联起来,以期证明本研究的可行性。这对于时间信息抽取和时间推理具有重要的意义。