互联网的兴起在推动社会发展的同时也为网络空间的安全带来了风险和挑战,为了应对这个问题,社会亟需网络空间安全领域的人才,但由于网络空间安全问题的复杂性使得普通的开发者和学习者难以在短时间内学习和理解网络空间安全的知识,知识图谱作为一种灵活性高且表达能力强的解决方案有助于使互联网数据中的碎片化知识产生实际价值。但知识图谱中可能存在错误或不完整、不一致等问题,因此需要通过知识推理来获取新知识或检测错误知识。而在有了知识图谱后还需要与其他任务结合以最大化其作用,对于本文所面对的问题,使用基于知识图谱的推荐系统就是一个良好的解决方案。因此,本文重点研究的就是在网络空间安全知识图谱上进行知识推理以及推荐,其中的主要内容有以下几个方面。首先,本文人工构建了网络空间安全本体并通过基于机器学习的本体匹配方法将来自互联网开放域的相关三元组数据以及问答社区平台Stack Exchange的数据补充到了本体中,接着使用了图数据库Neo4j存储知识图谱。然后,本文通过一种神经张量网络的改进模型实现了知识推理,本文结合Trans系列方法将关系向量直接引入了模型,同时在神经张量网络中使用注意力机制捕获三元组中的关系与推理过程之间的联系,考虑到模型中存在大量参数,本文还对模型中的参数张量切片进行了分解,减少了参数数量,在一定程度上防止了过拟合。最后,本文基于网络空间安全知识图谱研究了推荐算法,本文在利用知识图谱的同时结合Stack Exchange中的用户和帖子相关的数据进行知识推荐,并将以往常常被忽略的用户自定义的辅助信息加入了推荐算法,在为用户推荐匹配的帖子的同时还可以通过知识图谱推荐相关的知识,可以为开发人员和学习者提供便利。