我们研究多关系数据中实体与关系在低维向量空间中的嵌入问题。目标是提出一种易于训练、参数量较少且能够扩展至超大规模数据库的通用模型。为此，我们提出了TransE方法，该方法通过将关系建模为作用于实体低维嵌入上的平移操作来实现。尽管该假设形式简单，但实验证明其具有强大的表达能力：在两个知识库上的链接预测任务中，TransE显著优于现有最先进方法。此外，该方法还可成功应用于包含100万实体、2.5万个关系以及超过1700万条训练样本的大规模数据集。