参保人想实时了解社保相关的信息,如最新的政策法规、新闻、案例等,仅仅靠传统的信息检索不能满足人们对于知识获取快速、精准的需求,因此研究社保领域的知识推荐方法可以让每个用户都能够得到具有针对性的推荐结果。然而对于传统的推荐方法会产生冷启动问题和信息稀疏问题,因此本文通过引入社保知识图谱作为辅助信息帮助知识推荐。而为了保持知识推荐的新鲜性以及完备性,提高知识图谱的新鲜度是有必要的,因此在进行社保领域知识推荐之前,研究知识图谱的自动更新方法是重要的。基于以上背景,本文首先研究社保领域知识图谱的自动更新方法,基于能自动更新的知识图谱,继续研究了知识推荐方法。在社保知识图谱自动更新部分,根据知识图谱已存在的信息来补全缺失的信息从而实现内部更新,根据网络热门文章发掘种子实体并进行实体扩展从而实现外部更新。对于内部更新,本文提出了基于Bi-GRU的社保领域实体表示方法,并对基于实体表示的知识图谱补全模型进行训练,最终通过实体链接预测将发掘的信息补全到知识图谱中;对于外部更新,本文从网络上发掘热门社保实体作为种子实体并找到扩展实体,并提出了实体更新频率预测器对扩展实体更新的优先级进行设定,根据优先级对扩展实体进行更新。在知识推荐部分,本文首先提出了知识图谱特征提取方法,将用户历史感兴趣文章中实体链接到知识图谱中,并利用知识图谱中实体的上下文作为扩展信息丰富表示,接下来提出了融合领域知识的句子特征表示方法得到用户历史感兴趣文章以及候选文章标题的特征表示,采用注意力机制的方法对用户的历史兴趣加以不同的权重,最终得到用户对对候选文章感兴趣的概率,通过该概率对候选文章排序并推荐给用户。最后,本文对以上提出或采用的方法及模型进行实验并分析,以验证本文算法和模型的有效性和准确性,说明了本文提出的社保领域知识图谱自动更新方法以及基于社保知识图谱的知识推荐方法的有效性及应用价值。