信息时代的高速发展使全球的各个行业不断地出现新的服务协作需求,尽管当前业界技术架构不断变革出新,目的是为了简化业务流程服务装配开发效率问题,仍不能很好适应多应用级别的业务协作需求。如何有效探知客户业务需要,快速集成和调度服务,并实现服务协作。因此WEB服务组合已经成为目前信息产业的发展趋势。如何解决因不同行业间的业务差异、多个网络系统间的通讯协议差异以及语言、文化差异从而导致的低效、高成本的协作系统设计成为一个难题。本文对服务组合与银行金融业务相结合展开研究,知识图用于描述业务服务关系,结合业务系统产生的信息数据集,构建基于语义、业务要素和功能服务的图谱关系。引入图搜索算法,提升服务适配组合效率,降低场景服务建设成本。首先,提出一种引入知识图的表示学习的协同过滤推荐模型来缓解数据稀疏问题。其次,提出一种基于知识图的服务组合算法来提高服务组合算法的成功率和执行效率。最后,将基于知识图的服务组合算法与推荐模型通过实际的银行交易数据集和银行服务实例对实际应用的服务推荐和服务组合场景进行了验证,实验结果证明了引入金融交易文本和知识图中的推荐算法可以有效缓解数据稀疏的问题。提出的基于知识图的组合优化算法,有探索知识图与服务拓扑图之间关系的潜力,在准确性和执行效率方面相较传统方法,准确性提高了约17.7%,效率提升了约6.3%。在研究过程中,提出两点优化设计:一是对协同过滤推荐模型的优化,利用知识图工具,结合表示学习技术,将业务信息的知识图编码向量与交易信息的编码向量投影到协同过滤算法中,最后对原始评分矩阵进行分解,利用优化后的算法降低矩阵维度来解决数据稀疏问题。二是在服务组合算法引入知识图,利用知识图反映用户行为模式,将服务实体嵌入到高维矩阵中,执行矩阵运算,得到服务组合模式。本算法可在知识图下执行强化学习任务,利用拓扑关系建模,以重排发送连续输入空间,而非离散节点,使之在多重约束下,满足基于路径搜索范式的有效强化学习路径,提高服务组合算法的成功率和执行效率。