近年来，知识图谱已经在各个领域被广泛应用。本文聚焦于工业制造领域中的复杂产品指标知识图谱，通过知识表示学习方法将产品和指标表示为低维分布式向量，为后续的产品指标补全和产品设计方案预测奠定基础。然而，现有的知识表示学习方法只处理实体-关系之间的离散型关联，而对于数值型指标的研究尚属空白。为此，本文依托于复杂产品指标图谱的实际业务需求，设计产品数值型指标的表示学习策略。并针对关系三元组和指标三元组的语义差异，探索全新的联合学习训练方案。本文在五个前沿知识表示学习算法上进行实验，其中基于依次学习训练方案的ConvE算法在图谱链接预测任务上Hit@10指标达到了最优的90. 27%。实验结果验证了本文数值型指标表示方法和联合训练方案的有效性，为知识图谱的数值型实体表示学习研究提出了启发性建议。

Caption