随着科技的发展,我国科研实力的迅速增长,亟需将科研成果转化为社会生产力,面临日益增长的专利数量和专利授权数量,如何让用户在大量的成果专利信息中找到适合用户的成果专利是一个推荐问题。由于现有的推荐算法,存在冷启动问题,以及推荐精确度不高,导致最终的推荐的效果难以得到保证。因此如何避免推荐的精确度问题和冷启动问题,是现在亟待解决的迫切问题之一。在此研究背景下,本文提出了基于知识图谱的成果专利推荐方法,为成果专利的转化提出了一种推荐思路,促进成果转化和技术转移的规模化应用。总体而言,本文的贡献有以下三点:（1）为专利领域构建了专利知识图谱和用户知识图谱。本文在关系型数据库的基础上提出了在专利领域中基于图数据库Neo4J的知识图谱构建方法。首先通过研究基于关系型数据库的知识抽取,发现了关系型数据库构建知识图谱的缺陷,然后基于图数据库构建知识图谱,即精确又灵活地表示专利领域内的知识。（2）针对专利领域的知识推荐问题,本文提出了基于知识图谱的成果专利推荐方法。首先采用知识图谱表示学习获取用户特征向量和专利特征向量,并基于机器学习中的排序学习作为排序模型,进而生成Top-N推荐列表。通过实验表明,与协同过滤算法相比,所提出的方法对于推荐效果的综合评价指标提升了20.5个百分点,平均正确率均值提升了10个百分点,拥有更高的推荐精确度。（3）应用本文所提出的推荐方法,设计并实现了成果专利挂牌交易平台。该平台将研究的成果专利推荐方法运用到实际的Web服务中,实现了基于知识图谱的成果专利个性化推荐功能,以及湖北技术交易所成果专利挂牌交易业务功能。