El modelo de incrustación para grafos de conocimiento (KG) para predecir hechos de relación faltantes en grafos de conocimiento incompletos (KGs) ha sido ampliamente explorado. Además de la información estructural de triples de referencia como entidades principales, entidades finales y las relaciones entre ellas, hay una gran cantidad de información incierta y temporal, que es difícil de explotar en las incrustaciones de KG, y existen algunos modelos de incrustación específicamente para KGs inciertos y KGs temporales. Sin embargo, estos modelos solo utilizan información incierta o solo información temporal, sin integrar ambos tipos de información en el modelo subyacente que utiliza información estructural de triples. En este documento, proponemos un modelo de incrustación para KGs temporales inciertos llamado modelo incrustado conjuntamente de información de puntuación de confianza, tiempo y clasificación (CTRIEJ), que tiene como objetivo preservar la información incierta, temporal y estructural de los hechos de relación en el espacio de incrustación. Para mejorar aún más la precisión del modelo CTRIEJ, también introducimos una técnica de muestreo negativo auto-adversarial para generar muestras negativas. Utilizamos los vectores de incrustación obtenidos de nuestro modelo para completar los hechos de relación faltantes y predecir sus puntuaciones de confianza correspondientes. Se realizan experimentos en un KG temporal incierto extraído de Wikidata a través de tres tareas, es decir, predicción de confianza, predicción de enlaces y clasificación de hechos de relación. El modelo CTRIEJ muestra efectividad en la captura de conocimiento incierto y temporal al lograr resultados prometedores, y consistentemente supera a las líneas de base en las tres tareas experimentales posteriores.