知识图谱嵌入（KGE）是知识图谱领域一个新的研究热点，旨在利用词向量的平移不变性将知识图谱中实体和关系嵌入到低维向量空间，进而完成知识表示。以解决实际问题的类型为划分依据，首先，阐述了四类主要的知识图谱嵌入方法，包括基于深度学习的方法、基于图形特征的方法、基于翻译模型的方法以及基于其他模型的方法，对每种模型的算法思想进行详细阐述，总结了每种模型的优缺点；其次，从常用数据集、评价指标、算法、实验四方面对知识图谱嵌入算法实验进行分析与归纳，对嵌入方法做了横纵向对比；最后，从解决实际问题的角度出发，给出了知识图谱嵌入技术未来的发展方向。通过研究，发现在基于深度学习的方法中，LCPE模型的效果最好；在基于图形特征的方法中，TCE模型的效果最好；在基于翻译模型的方法中，NTransGH模型的效果最好。今后的研究可以在LCPE、TCE、NTransGH的基础上进行拓展，不断提高链接预测和三元组分类的实验效果。