知识图谱技术的兴起为业界和学术界提供了一种更好的组织、管理和理解互联网中海量数据的有效方案。目前,知识图谱技术广泛应用于实体搜索、推荐系统、开放域问答等许多AI领域。然而,由于知识图谱的知识不完备,即图谱中存在缺失的实体或链接,导致知识图谱的使用存在巨大的限制,大大限制了知识图谱在用于检索和推理的准确性。补全知识图谱,完成知识图谱链接预测任务的研究成为知识图谱的核心任务之一。本文对知识图谱的链接预测算法进行了全面的调研与介绍,并且对基于翻译的图谱嵌入模型、基于逻辑规则的推理、基于张量的图谱嵌入以及基于深度学习网络的图谱嵌入模型进行了分析。并对当前图谱嵌入模型存在的问题提出了改进算法模型,同时将算法模型应用到链接预测系统中。本文的主要研究内容如下:1)分析了目前主流的基于翻译的图谱嵌入模型在完成知识图谱链接预测任务时存在的问题,并提出了一种多语义实体与关系嵌入模型。在模型假设中,忽略向量的幅度,保留其平行关系,使得实体或关系向量在不同三元组中表现出相同的方向不同的幅度从而解决实体和关系的多语义问题。2)当前主流的图谱嵌入模型忽略了图的结构信息,只考虑了一个三元组内的信息。图注意力网络的提出为提取图的结构特征提供了一种有效的手段,然而,图注意力网络只考虑了实体节点对实体节点的影响,忽略了实体与实体间所连接的关系对节点的影响。据此,提出了一种引入注意力机制的多跳嵌入模型。3)为了完成知识图谱补全任务,本文根据文章提到的算法设计并实现了基于知识图谱嵌入的链接预测系统。通过知识图谱三元组数据集训练模型,对输入的问题三元组进行预测,对命题三元组进行判断。提供了增删知识图谱三元组的系统接口,以便于完善当前知识库,补全知识图谱。