知识图谱以网络的形式表示知识。节点是实体，如人物、机构、地点、产品和概念；边是实体之间带类型的关系，如“任职于”“位于”“引用”“属于”。由于关系是显式且机器可读的，计算机就能在其上回答问题、发现关联和进行推理，这些在文档或普通表格中都难以做到。
“知识图谱”一词因谷歌在2012年宣布搜索将理解“事物，而不是字符串”而流行开来，但其思想源远流长，来自数十年的知识管理、语义网络和语义网研究。在中国情报学界，知识图谱既是一种研究对象（知识组织），也是一种研究工具（如用CiteSpace绘制“科学知识图谱”）。注意，这两种“知识图谱”含义并不相同。
从知识管理到知识图谱
知识管理研究组织如何创造、共享和使用知识。经典框架是野中郁次郎与竹内弘高提出的SECI模型。它描述知识在隐性形态（人脑中的技能和经验）与显性形态（文档、规程、数据库）之间转化的四个过程：社会化、外化、组合化和内化。
早期的知识管理项目常常失败，因为它们把重点放在无人维护的文档库上。知识图谱解决的是问题的一部分，即显性知识的组合化：把来自多个来源的事实链接成一个统一结构。它解决不了人的问题，人们仍然需要分享知识的动机和时间。
基本构件
- 实体，拥有唯一标识符，使作为公司的“苹果”和作为水果的“苹果”成为不同的节点。
- 关系，具有明确的类型和方向。
- 属性，如日期、金额，以及多语种名称。
- 本体或模式，定义实体的类型及其之间允许的关系。Schema.org 是一种轻量级的例子，网站用它向搜索引擎描述内容；医学、法律和金融等领域的本体则丰富得多。
- 来源信息，即每条事实来自哪里、何时获取。没有它，图谱就无法被信任和维护。
两种技术路线占主导地位。RDF（W3C标准）把一切表示为带网络标识符的“主语—谓语—宾语”三元组，用SPARQL查询。属性图（Neo4j 等图数据库采用）可以在节点和边上都附加属性，在工业界很流行。维基百科背后的开放知识库 Wikidata 是最大的公共知识图谱，拥有超过一亿个条目，任何人都可以编辑。
如何构建知识图谱
- 从问题出发：图谱要回答什么问题？“我们的哪些供应商与受制裁企业有共同股东？”这样的问题决定了需要哪些实体和关系。
- 设计最小可用的模式：尽可能复用现有词表（schema.org、Wikidata属性、领域标准）。
- 抽取实体与关系：来源既包括结构化数据（数据库、登记信息），也包括非结构化文本（文档、新闻）。命名实体识别和关系抽取完成了大部分工作，如今常借助大语言模型实现。
- 实体消歧与对齐：判断两条记录何时指向同一事物，例如名称变体、音译或子公司。这通常是最难的一步，也是对质量影响最大的一步。
- 记录来源与置信度：每条事实都要有。
- 校验与维护：使用约束规则（如一个人的出生日期不能晚于死亡日期），对样本进行人工审核，并制定持续更新的计划。
知识图谱的用途
- 搜索与推荐：搜索引擎、电商和内容平台用图谱理解查询、关联相关内容。
- 情报与调查：关联人员、企业、地址和交易，揭示隐藏的股权关系、欺诈网络或制裁规避。
- 科研：关联概念、基因、药物和疾病，或关联论文、作者、资助机构与专利。
- 数字人文与文化遗产：关联历史人物、地点、事件和史料，包括海洋、法律和档案证据，例如构建南海维权证据链这类多模态知识图谱。
- 企业知识：关联产品、客户、文档和专家，帮助员工找到“谁知道什么”。
知识图谱与大语言模型
大语言模型刚出现时，似乎让知识图谱变得多余：既然模型能用自然语言回答问题，何必费力构建结构化图谱？实践表明，两者是互补的：
- 大模型帮助构建图谱：它们从文本中抽取实体和关系的成本远低于以往方法，但输出需要校验。
- 图谱为大模型提供依据：模型可能编造事实。先从经过整理的图谱中检索事实，再让模型据此作答，能提高准确性并使答案可追溯。微软的 GraphRAG 等方法用从文档集中构建的图谱来回答宏观性问题，而简单的文档检索往往难以胜任这类问题。
- 图谱让内容对机器可读：用结构化数据（schema.org）描述实体的网站，更容易被搜索引擎和AI助手理解和引用。
知识图谱提供显式结构、来源和一致性，语言模型提供灵活性和自然语言能力。把两者结合起来的组织，能获得既流畅又可问责的系统。