知识图谱作为人类将知识表示和组织成结构化信息的知识系统,在近几年得到了广泛的研究和关注。推理作为知识图谱最重要的应用,长久以来有很多的尝试与探索。近年来,知识图谱嵌入方法被提出用来解决知识图谱推理问题。该方法因其出色的性能已经成为知识图谱推理研究领域的主流方法。知识图谱嵌入的基本思想是将知识图谱中的实体和关系嵌入到一个低维向量中,通过简单的线性运算完成推理工作。虽然知识图谱嵌入方法在推理任务中取得了很好的精度,但已有的方法都是序列化(单线程)的,在进行大规模知识图谱的推理时,速度较慢甚至无法完成。本文针对这个问题,创新地设计了并行与分布式知识图谱嵌入方法来进行高效的知识图谱嵌入。这些方法有效地提升了知识图谱嵌入的效率。本文的主要贡献如下:第一,提出了国际上第一个多线程并行知识图谱嵌入统一框架ParaGraphE。基于该框架设计了多种并行知识图谱嵌入方法。在真实数据上的实验结果表明,本文提出的并行知识图谱嵌入方法能够在不影响精度的情况下,显著提升知识图谱嵌入的速度。第二,提出了按照个体划分参数的分布式知识图谱嵌入方法IBP,该方法是国际上第一种分布式知识图谱嵌入方法。IBP基于参数服务器架构设计了多机分布式知识图谱嵌入方法。在真实数据上的实验结果表明,IBP方法能够在效率上显著优于传统的单机单线程方法。第三,提出了按照维度划分参数的分布式知识图谱嵌入方法DBP。针对采用传统参数服务器架构的IBP通信开销大的问题,提出了一种能显著降低多机之间通信开销的新式分布式架构。在真实数据上的实验结果表明,该架构相比传统的参数服务器架构能够显著减少通信量,基于该架构的DBP也能够比IBP进一步提升计算效率。