近年来，知识图谱（KGs）的迅速发展伴随着实体之间缺失关系（链接）形式的不完整或部分信息，这激发了大量关于知识库补全（也称为关系预测）的研究。最近的一些研究表明，基于卷积神经网络（CNN）的模型能够生成更丰富、更具表现力的特征嵌入，因此在关系预测方面表现出色。然而，我们观察到这些知识图谱嵌入方法将三元组独立对待，从而无法涵盖三元组周围局部邻域中固有的复杂和隐含信息。为此，本文提出了一种新颖的基于注意力机制的特征嵌入方法，该方法能够在给定实体的邻域内捕捉实体和关系特征。此外，我们的模型还封装了关系簇和多跳关系。通过实证研究，我们展示了所提出的基于注意力机制模型的有效性，并且在所有数据集上相比现有最先进方法取得了显著的性能提升。