本文介绍了多种知识图谱嵌入方法的改进，如增量蒸馏、上下文感知动态嵌入和元知识学习。这些方法在有效性和效率上显著提升，实验结果表明在多个数据集上优于传统模型，有效解决了知识图谱中的稀疏性和遗忘问题。

该论文综述了知识图谱嵌入在推荐系统和查询扩展中的应用，分析了基于结构、文本和图像信息的嵌入模型，重点讨论了基于距离和语义匹配的设计，提出了动态知识图谱嵌入方法，并总结了实体和关系嵌入模型的研究现状及未来方向。