针对制度文件推荐过程中传统算法存在准确率和推荐效率较低的问题，提出一种基于知识嵌入的文本推荐算法.通过将知识图谱中的知识转化为特征向量，并结合神经网络模型，有效提高了推荐系统在处理海量多样数据时的准确性和稳定性.实验结果表明，该算法在面对冷启动和用户兴趣多样化的情况下，表现出了优于传统方法的推荐精度和稳定性，为大规模推荐系统中的数据稀疏问题和个性化需求提供了更高效和可靠的解决方案，有助于改善用户体验并提升推荐系统的整体性能.