层次关系在知识图谱（KG）中组织人类知识时普遍存在且不可或缺。层次关系的关键特性在于它们对实体产生部分排序，这需要通过建模来实现以支持层次推理。然而，当前的知识图谱嵌入模型只能建模单一的全局层次结构（单一的全局部分排序），无法处理同一知识图谱中存在的多个异构层次结构。本文介绍了一种新的知识图谱嵌入模型——ConE（Cone Embedding），该模型能够在知识图谱中同时建模多个层次关系和非层次关系。ConE将实体嵌入双曲锥中，并将关系建模为锥之间的转换。具体而言，ConE通过在双曲嵌入空间的不同子空间中使用锥包含约束来捕捉多个异构层次结构。在标准知识图谱基准上的实验表明，ConE在层次推理任务以及层级图的知识图谱补全任务上取得了最先进的性能。特别是在WN18RR数据集上，我们的方法达到了45.3%的新最高Hits@1指标，在DDB14数据集上达到了16.1%的新最高Hits@1指标（MRR为0.231）。对于层次推理任务，我们的方法在三个数据集上的平均表现比之前的最佳结果提高了20%。