时间修饰语 (ARGM-TMP)

时间修饰语（Temporal Modifier）是自然语言处理（NLP）与计算语言学中的核心语法范畴，指依附于动词或形容词、用于限定事件发生时间、持续时长或频率的词汇单元。其本质是将人类语言中模糊的时间感知转化为计算机可处理的结构化数据。在技术演进中，它从早期的规则匹配（如基于词典的关键词提取）发展为基于深度学习的序列标注任务，成为构建智能问答、事件抽取及时间序列分析系统的基石。

在现代计算架构中，时间修饰语扮演着连接人类自然语言与机器逻辑推理的关键桥梁角色。其核心价值在于解决非结构化文本中的时间歧义问题，使系统能够理解“昨天”、“持续三小时”或“每周一”等复杂表达。在工程实践中，它是构建智能客服、金融风控（如交易时间窗口判定）、日志分析与推荐系统（如“最近一周”的偏好匹配）的预处理核心步骤。缺乏高效的时间修饰语解析能力，任何依赖文本理解的 AI 系统都将面临严重的语义理解瓶颈。