回答大规模知识图谱上的复杂逻辑查询是一项基本而又具有挑战性的任务。在本文中，我将概述如何使用向量空间嵌入在知识图谱中执行逻辑推理。首先，我将讨论预测一对实体之间关系的知识图谱补全方法:通过捕获与实体相邻的关系类型来考虑每个实体的关系上下文，并通过一种新的基于边的消息传递方案进行建模;考虑关系路径捕获两个实体之间的所有路径;通过一种可学习的注意力机制，自适应地整合关系上下文和关系路径。其次，我们还将讨论QUERY2BOX，这是一个基于嵌入的框架，用于推理使用and、or和存在操作符进行的大量且不完整的KGs中的任意查询。