自2012年Google正式提出知识图谱概念以来,知识图谱已经在智能问答系统、推荐系统、垂直搜索服务、辅助决策系统等多个领域展现出丰富的实际应用价值,受到工业界和学术界的广泛关注。但目前知识图谱依旧面临着人工构建成本高、数据稀疏、信息不完善等缺陷,极大限制了知识图谱的应用能力。目前,如何对知识图谱进行高效的表示与推理依旧是研究工作的重点和难点。本论文针对现有研究方法对知识图谱图结构信息利用效率低、建模能力不足的问题,提出基于局部子图结构和全局路径结构联合推理的模型,并将知识图谱推理技术推广到个人日常生活最基本的健康问题上,设计了基于知识图谱推理的医疗辅助建议系统。本论文的主要研究工作如下:（1）提出基于卷积神经网络的多层次局部子图结构推理。针对现有模型对知识图谱图结构挖掘不足,尤其是多阶关系子图结构信息利用不足的问题,本论文对实体的多阶关系子图进行区分构造,分层次地采用多尺度卷积神经网络充分捕捉子图元素的交互特征,并通过实验验证了对子图结构进行分层次构造的有效性。（2）提出基于注意力机制的局部子图结构和全局路径结构联合推理模型。针对现有方法对路径结构建模能力不足、路径存在噪声的问题,提出采用CNN和Bi-LSTMs长短时记忆网络全面捕捉路径特征,设计基于实体上下文注意力机制的多路径融合算法,同时结合局部子图结构和全局路径结构进行联合推理,充分挖掘和利用了知识图谱的图结构信息。最后通过实验验证了路径编码网络、多路径融合策略以及联合推理的有效性。（3）在应用层面,设计并实现了基于知识图谱推理的医疗辅助建议系统。该系统将知识图谱推理技术推广到与个人生活健康息息相关的医疗领域。针对医疗领域中医疗数据多源异构、患者就医成本高、个人医疗知识匮乏等问题,从数据层面将医疗网站中大量的文本数据整合成医疗知识图谱,并基于本论文提出的算法对该医疗知识图谱进行推理补全,帮助患者进行疾病自查并提供相关就医建议和日常健康注意事项建议等,对个人医疗知识的普及和推广以及降低患者就医成本具有实际意义。