1.一种基于实体概念的知识图谱补全、推演、存储方法，其特征在于，包括：
确定知识图谱中与所述实体的多个概念一一对应的多个概念向量以及与关系对应的关系向量；
根据所述实体的多个概念向量，确定所述实体的实体向量；
根据未知三元组的头实体向量、尾实体向量、关系向量中的任意两个已知向量，计算未知向量；
遍历所述知识图谱中确定的实体向量或关系向量，确定与计算的未知向量余弦相似度最高的实体向量或关系向量，并推测所述未知向量对应的实体或关系，以补全所述知识图谱。
2.如权利要求1所述的方法，其特征在于，所述确定知识图谱中与所述实体的多个概念一一对应的多个概念向量以及与关系对应的关系向量，包括：
初始化所述知识图谱中所述实体的概念向量和所述关系向量；
基于所述三元组中头实体的条件概率、尾实体的条件概率、关系的条件概率，构建目标函数；
根据已知三元组，训练所述目标函数，并根据随机梯度下降的反向传播技术，确定所述知识图谱中所述实体的概念向量和所述关系向量。
3.如权利要求2所述的方法，其特征在于，所述基于所述三元组中头实体的条件概率、尾实体的条件概率、关系的条件概率，构建目标函数，包括：
构建所述三元组中头实体的条件概率、尾实体的条件概率、关系的条件概率；
根据公式1-2，构建所述目标函数：
其中，δ表示三元组，h表示头实体，t表示尾实体，r表示关系，
4.如权利要求3所述的方法，其特征在于，所述构建所述三元组中头实体的条件概率、尾实体的条件概率、关系的条件概率，包括：
构建所述三元组中头实体的先验概率、尾实体的先验概率、关系的先验概率；
构建所述三元组的似然概率；
基于所述三元组的似然概率和所述三元组中头实体的先验概率、尾实体的先验概率、关系的先验概率，构建所述三元组中头实体的条件概率、尾实体的条件概率、关系的条件概率。
5.如权利要求4所述的方法，其特征在于，所述构建所述三元组中头实体的先验概率、尾实体的先验概率、关系的先验概率，包括：
确定所述三元组中头实体的概念集合、尾实体的概念集合；
根据所述三元组中头实体的概念集合、尾实体的概念集合，构建所述三元组中关系的头概念集合和关系的尾概念集合；
根据所述三元组中关系的头概念集合和所述关系的尾概念集合，构建所述三元组中关系与头实体的语义相似度、关系与尾实体的语义相似度、头实体与尾实体的语义相似度；
基于所述三元组中关系与头实体的语义相似度、关系与尾实体的语义相似度、头实体与尾实体的语义相似度，构建所述三元组中头实体的先验概率、所述尾实体的先验概率、所述关系的先验概率。
6.如权利要求4所述的方法，其特征在于，所述构建所述三元组的似然概率，包括：
根据公式3-4构建所述三元组的似然概率：
fr(hi，tj)＝||hi+r-tj||公式4，
其中，|ch|表示头实体的概念数量，|ct|表示尾实体的概念数量，
7.一种基于实体概念的知识图谱补全、推演、存储装置，其特征在于，包括：
向量确定单元，用于确定知识图谱中与所述实体的多个概念一一对应的多个概念向量以及与关系对应的关系向量，并根据所述实体的多个概念向量，确定所述实体的实体向量；
计算单元，用于根据未知三元组的头实体向量、尾实体向量、关系向量中的任意两个已知向量，计算未知向量；
推测单元，用于遍历所述知识图谱中的实体向量或关系向量，确定与计算的未知向量余弦相似度最高的实体向量或关系向量，并推测所述未知向量对应的实体或关系，以补全所述知识图谱。
8.如权利要求7所述的装置，其特征在于，所述向量确定单元，用于：
初始化所述知识图谱中所述实体的概念向量和所述关系向量；
基于所述三元组中头实体的条件概率、尾实体的条件概率、关系的条件概率，构建目标函数；
根据已知三元组，训练所述目标函数，并根据随机梯度下降的反向传播技术，确定所述知识图谱中所述实体的概念向量和所述关系向量。
9.一种基于实体概念的知识图谱补全、推演、存储设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至6中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现如权利要求1至6中任一项所述的方法的步骤。