本研究提出HALO框架，解决时态知识图中因过时事实导致的推理性能下降问题。通过半衰期理论量化历史事实的时效性，有效过滤过时事实，显著提升推理效果和计算效率。实验结果表明，HALO在多个数据集上优于现有方法。

DEAN是一种基于深度学习的框架，用于识别知识图谱中的过时事实。它通过综合建模实体和关系之间的隐式结构信息，采用预定义的关系到节点图为权重的对比方法，揭示潜在的过时信息。实验结果证明了DEAN的有效性和优越性。