面向知识图谱的复杂问题回答技术的研究是人工智能领域和信息检索领域的重要研究热点。时间问题是带有时间表达约束的复杂问题,是复杂问题的一个重要子类。时间问题回答技术的研究需要特定的方法和特定的语料库,而现有时间问答语料库的问题数量有限,且Freebase知识图谱停止了更新。时间问答语料库的构建既可以为时间表达识别、时间问题分类等研究提供数据资源,也可以为时间问题回答模型的训练提供数据资源,并且也能提高人工标注问答数据的效率。该任务对智能回答技术的研究具有十分重要的意义,因此本文旨在研究面向知识图谱的时间问题回答语料库构建技术。本文提出了两种时间问题语料构建方法。一种是面向现有数据集的时间问题语料构建方法,该方法主要是从现有时间问题数据集中人工总结时间问题识别模式,采用模式匹配的方法从现有问答数据集中抽取时间问题答案对,并与朴素贝叶斯、K最近邻、支持向量机、逻辑回归四种传统机器学习方法进行实验对比和性能评价,针对现有问答数据集的问题答案来自不同知识图谱的问题,将问题的答案进行了标准化,即统一链接到维基数据。问题生成是目前研究的热点之一,而目前没有针对时间问题自动生成方法的研究。因此本文提出了另一种面向维基数据和维基百科的时间问题语料构建方法,该方法主要是以现有时间问题数据集作为种子,利用问题答案对从知识图谱中获取<主、谓、宾>三元组,以此扩展更多的三元组;并采用远程监督、谓词识别和时间表达识别的方法,从维基百科中抽取包含三元组实体、关系和时间表达的陈述句;针对从维基百科获取的句子中存在非三元组事实关系的表达且句子结构复杂的问题,提出了陈述句简化算法,把复杂句简化和分解为简单句;最后利用基于句法依存关系和规则的方法生成时间问题答案对,并与最新的问题生成方法进行实验对比和性能评价。综上,面向现有数据集的时间问题语料构建方法构建了5828个时间问题答案对,基于模式匹配的时间问题识别方法的准确率为89.04%,比传统机器学习方法性能更好。面向维基数据和维基百科的时间问题语料构建方法,以现有时间问题语料库中的36个谓词作为种子,自动生成了8066个时间问题答案对,实验结果表明生成的时间问题在句法、语义和流利度三个方面较其他方法效果更佳。最后为了大家能更好地了解本文提出的方法,并使用本文构建的语料库,本文设计并实现了时间问题语料库构建展示系统。