伴随着互联网科技的发展,众包服务的热度不断上升,也出现了大量的互联网众包服务平台,极大地方便了人们的工作和生活,然而在服务种类和内容不断丰富的情况下,如何让消费者快速找到符合自己预期的服务成为众包服务平台面临的一个难题。在信息资源越来越庞大的背景下,搜索和推荐技术已成为人们获取信息的主要途径,它可以根据用户需求快速定位有效信息并返回,而知识图谱作为新一代搜索引擎的关键技术,在搜索推荐领域已经发挥了重要作用,它能够在语义上扩展用户的搜索关键词,从而返回更丰富、更全面的信息。同时表示学习是在知识图谱上应用的一种高效方法,它通过将知识库映射至较低维向量空间并进行知识表示学习从而实现大规模知识图谱上的快速搜索。本文旨在将表示学习技术与知识图谱相结合,用于在众包服务领域内快速理解用户意图并匹配出预期服务。本文主要研究内容如下:(1)表示学习模型实现与效果验证,以Fiverr网站作为数据来源建立一个众包服务市场,然后以现有数据建立一个众包服务领域内的知识库。根据我们在表示学习上的研究,选取其中较为典型、应用广泛的几个模型(Trans E,Trans H,Trans R)在知识库上进行实现和应用,最后设计实验对比模型之间的效果。(2)用户需求转化与服务推荐,基于上一步的模型实现结果进行服务推荐,首先需要将用户的需求表达转化为能够应用在表示学习模型上的形式,然后对领域内知识库的特点进行分析,通过表示学习技术对现有知识库进行补全,提出一些常见的歧义表达并给出歧义处理方案,最后根据用户需求表达的转化后形式在模型中返回预期服务。(3)面向增量数据的模型训练方案和实现,给出增量场景的定义,为了使模型能够适应实际场景下数据不断更新的情况,论文提出了一种面向增量数据的训练方案并且以Trans H模型为基础进行改进并实现了该方案,最后同样设计实验对改进后的模型效果进行验证。最终我们需要将以上步骤的结果组合成一个完整的服务推荐系统,可以基于模糊需求自动生成推荐结果。