什么是知识图谱

知识图谱（Knowledge Graph, KG）是一种将知识以图结构组织起来的方式。
它不仅是一种数据结构，更是一种结构化的语义知识库，
换句话说，知识图谱的核心目标是把“知识以人可理解、机可计算的方式”进行组织，
让计算机不仅能“看见数据”，还能“理解含义”。
它由“实体（Entity）、关系（Relation）、属性（Attribute）”三部分组成，用于描述世界中事物及其关系。

常见的表示方式是三元组（Triple）：

1
2
3
4

(主语, 谓语, 宾语)
例如：(袁欢, 出生地, 贵州省毕节市黔西市)

知识图谱的核心目标是让计算机能够“理解”现实世界中的语义关系，从而支持问答、推荐、搜索、推理等智能任务。

一、本体（Ontology）

本体是构建知识图谱的“骨架”和“语义规则系统”。
它是一种形式化的知识表示方法，用于描述特定领域中的核心概念及其相互关系。

为什么需要本体？

  1. 达成信息结构共识
    不同系统、部门、团队在描述知识时能使用统一的语义。

  2. 复用领域知识
    构建一次本体后，可以在多个系统中共享和扩展使用。

  3. 领域规则显性表示
    本体让原本隐性的业务逻辑变得结构化、可推理。

  4. 区分领域知识与运营知识
    有助于明确“长期稳定的知识”与“短期策略或业务流程”的界限。

  5. 支持自动化分析与推理
    计算机可以基于本体执行语义检索与逻辑推理。

二、知识规则（Knowledge Rules）

知识规则用于描述知识的逻辑运作规律，通常以“如果……那么……”的形式表达。
例如：

1
2
3
4

如果 某人 是某公司的员工，
那么 该人 属于 该公司。

知识规则通常与本体结合使用，用于：

  • 自动推理：推导出未直接存储的事实；
  • 一致性校验：检测知识图谱中是否存在矛盾；
  • 知识发现：从已有事实中推测潜在关系。

三、三元组（Triple）

知识图谱的最基本组成单位是三元组：

1
2
3

(主语, 谓语, 宾语)

例如：

1
2
3
4

(中国农业科学院, 院长, 黄三文)
(中国农业科技学院, 实际地址, 北京市海淀区中关村南大街12号)

在知识图谱中，三元组不仅可以描述实体之间的关系，还可以描述实体的属性。
根据语义功能，三元组主要分为两类：

1 实体关系三元组（Entity–Relation–Entity）

描述实体与实体之间的语义关系，例如：

1
2
3
4

(中国农业科学院，属于，国家级农业科研机构)
(农业信息研究，属于，中国农业科学院)

这种三元组构成知识图谱的语义网络结构，是知识之间的“连接线”。

2 实体属性三元组（Entity–Attribute–Value）

描述实体的内部特征，例如：

1
2
3
4

(中国农业科学院,  成立时间, 1957年3月1日)
(中国农业科学院,  隶属于, 中华人民共和国农业农村部)

属性三元组提供了实体的细节信息，使知识图谱更具描述性与可解释性。

这两类三元组共同构成知识图谱的核心：

  • 实体关系三元组 构建知识的“结构骨架”；
  • 实体属性三元组 丰富知识的“内容细节”。

通过三元组，知识被组织成一个庞大的网络：
节点代表实体，边代表关系。
在此基础上，可以构建出多层级、跨领域的语义网络。

四、知识图谱的价值与应用

  1. 智能问答
    在检索增强生成中，知识图谱能为大模型提供结构化支撑。

  2. 推荐系统
    利用实体关联推断用户潜在兴趣，实现更精准的推荐。

  3. 搜索引擎
    Google Knowledge Graph、百度百科、维基百科等使用本体与规则结构化网页信息。

  4. 企业知识管理
    整合不同部门的数据与文档，形成统一的知识底座。

  5. 大语言模型的知识增强（RAG + KG）
    知识图谱帮助 LLM 实现更准确、更可解释的推理。

结语

本体为知识图谱提供了语义结构框架，
知识规则为知识图谱注入了逻辑与推理能力，
三元组则是连接与承载知识的最小单位。

三者结合，使知识图谱不仅能“存储知识”，
更能“理解关系”“推理事实”，
从而成为支撑智能系统的核心知识基础设施。