异构信息空间是指在一个信息系统内，不同类型的实体和它们之间的关系以多种不同的数据模式存在。在处理此类信息空间时，传统数据模型往往难以有效应对多模态信息的检索和融合，这是因为多模态信息涉及到不同种类的数据来源，例如文本、图像、音频和视频等，它们需要被统一处理和分析。
针对上述问题，提出了一个多层时态数据模型（Multi-layer Temporal Data Model），旨在有效地捕获实体及其关联的时态信息。此数据模型特别适用于包含具有时间属性的实体，如项目、作者、论文、产品和电影等。模型名为多层时态网络（Multi-layer Temporal Entity Network，简称MTENetwork），它通过分层的方式，能够处理和存储随时间变化的实体信息。
在此基础上，研究者进一步提出了支持多模态融合实体搜索的查询模型。此查询模型允许用户在异构信息空间中搜索任何实体类的相关实体，支持在实体级别、实体聚合级别以及时间线上的搜索，从而满足用户在多模态实体搜索中的信息需求。
实验结果表明，提出的时态数据模型和查询模型在真实数据集上是可行且有效的。这些模型能够满足用户对于异构信息空间中多模态融合实体搜索的需求。
在关键词方面，文章涉及了异构信息空间、多模态融合、实体搜索和时态数据模型等概念。这些术语代表了研究的核心内容，涵盖了数据科学、信息检索、自然语言处理等多个领域。
文章中还提到了不同数据模式的处理，例如实体关系（ER）模型、可扩展标记语言（XML）、Web资源描述框架（Web RDF）等。这些模式是构建和实现多层时态数据模型的基础工具。
文章中提及的时间关联（Temporal Association）结构，即〈Rtype, Source, Target, Label〉，表示关系类型、源实体、目标实体和标签，这对于模型理解和数据表示至关重要。而时间约束（Temporal Constraint）概念则用于限定实体关系的有效时间范围，这对于时态信息的准确捕获是必不可少的。
在数据模型中，可能还会涉及到事实（facts）、信息框（infoboxes）、时态数据库（temporal database）和资源视图图（resource view graph）等组件，它们对于支撑多模态实体搜索查询模型的构建至关重要。
文章中还提到了一些数据处理和分析的工具和框架，例如PRADA、iDM和lgDM，这些工具可能被用来对数据进行分析、可视化或进一步的处理。
这篇文章的内容涉及了信息检索、数据建模、多模态信息处理等多方面的知识。通过对异构信息空间中多模态融合实体搜索的需求分析，提出了一种多层时态数据模型，并且设计了相应的查询模型，以提高搜索的准确性和有效性。同时，文章还对数据模型和查询模型的可行性进行了实验验证，表明该模型在处理多模态信息融合和时态数据方面具有明显的优势。
