针对知识图谱的错误检测框架，旨在通过优化图嵌入算法来提升知识图谱的数据质量，这对于知识密集型应用尤其重要。本文强调了知识图谱清洗的必要性，并指出现有方法的不足。在介绍知识图谱嵌入和图注意力网络知识的基础上，提出了一种基于知识图谱嵌入的数据清洗框架和算法。通过在Alyawarra数据集上的实验，证明了方法的有效性，并与基于Transformer的知识图谱注意力网络(transformer-based knowledge graph attention network, TransGAT)、平移嵌入模型(translation embedding, TransE)和知识库图注意力网络(knowledge base GAT,KBGAT)等模型比较。结果表明：所提方法在平均排名和平均倒数排名上均优于现有模型，证实了其在提升知识图谱数据质量方面的实际应用价值。