学习实体和关系的嵌入是一种高效且多用途的方法，用于在关系数据（如知识图谱）上进行机器学习。在本研究中，我们提出全息嵌入（Holographic Embeddings, HolE）来学习整个知识图谱的组合向量空间表示。所提出的方法与全息联想记忆模型有关，因为它采用了循环相关来创建组合表示。通过使用相关作为组合运算符，全息嵌入可以捕捉丰富的交互作用，同时计算效率高、易于训练，并且能够扩展到非常大的数据集。在广泛的实验中，我们展示了全息嵌入在知识图谱链接预测和关系学习基准数据集上的性能优于现有最先进方法。