随着知识图谱在电力服务领域的应用愈加广泛和必要,越来越多的研究者对其进行了深入的研究。其中,基于深度学习的TransE的方法逐渐受到大家的青睐,所以针对其的改进方法也越来越多,例如TransH、TransR/CtransR和TransD等,这些方法均针对"TransE无法解决一对多"等问题,提出了"将TransE模型投影到其他空间"的各种方法。借鉴这些方法的优势,提出了一种基于模糊理论和现有基于深度学习的翻译模型相结合的方法——TransF。在TransF中,为每个元素分别构建两个模糊向量,分别用于构建实体和构建模糊映射,将头尾实体分别映射到与关系构成的模糊空间中。实验结果表明,该方法在训练数据集不大的情况下具有明显优势,并且更符合人类逻辑和实用性的需要。