在人口老龄化趋势加剧的背景下,与老年人息息相关的养老服务产业正蓬勃发展,精准的养老服务推荐方法是提供优质养老服务的关键。老人群体使用服务时具有流行不敏感、注重固定习惯和需求表述模糊等特性,而当前业界普遍使用的协同过滤推荐方法并没有针对此类领域需求特性进行相应的优化,导致其服务推荐结果存在进一步优化的空间。因此,本文分析养老服务领域特性,构建领域知识库,针对养老服务推荐中老人群体的服务需求特征,设计并实现面向两个典型问题的的养老服务的推荐方法,通过实验数据和工具,证明方法的正确性和有效性。论文首先分析刻画我国养老服务特点,对养老服务中多领域繁杂的需求进行调研分析,归纳总结养老服务中急需解决的核心问题。针对研究领域没有成型的信息库,无法整合大量纷杂异构信息的问题,使用知识图谱整合异构信息,构建大规模高质量的中文养老服务知识图谱CKGECS,为后续研究打下基础。针对老人具有固定消费习惯的特点,研究基于知识图谱的隐式偏好时序养老服务推荐方法。方法首先选择对老人偏好进行深度时序建模,通过序列化地理解历史服务交互记录学习老人的隐式偏好信息,通过对比多个主流相关推荐方法,证明解决此类问题目前最优的推荐方案为使用GRU的模型。但该方法并没用利用服务和用交互记录的全部信息,因此,提出改进的ProjE知识嵌入方法,更适用于服务向量的学习,改进编码层后进一步提升时序模型的效果,提升服务推荐的准确度。针对服务需求表述模糊不完整这一问题时,研究基于句嵌入的模糊需求养老服务推荐方法。方法选择使用句嵌入进行需求与服务描述对接。在预处理后,使用GloVe方法得到词向量,通过改进Weighted-Removal句嵌入方法得到句向量,向量间可以更好的度量相似度,实验结果也证明其优于直接根据需求检索后推荐的方法。最后,设计并实现养老服务推荐工具,对所提方法进行验证。对所提两个养老服务方法的推荐结果进行融合,在挖掘用户偏好的同时能够满足用户的模糊需求,进一步提高推荐效果。在实际场景中的应用,证明方法的有效性和实用性。