核心要点

  • 知识图谱是用三元组(头实体, 关系, 尾实体)描述实体及其关系的语义网络

  • 三元组示例:(北京, 是首都of, 中国),构成有向图的边

  • 本体(Ontology)是定义实体类型、关系类型与约束的 schema 层,相当于图的「数据库表结构」

  • 区分模式层(本体)与数据层(具体三元组/实例)

标准回答

定义

知识图谱(Knowledge Graph)是一种用图结构组织知识的语义网络,核心数据单元是三元组 (head, relation, tail),即「头实体—关系—尾实体」。实体是图的节点,关系是有向边,例如(鲁迅, 笔名, 周树人)。

三元组与图结构

大量三元组互相连接,形成一张可被机器查询和推理的图。相比关系型表,它天然擅长表达多跳、网状的实体关联,便于路径检索与推理。

本体(Ontology)

本体是知识图谱的模式层(schema),定义有哪些实体类型(如 人物、公司)、哪些关系类型(如 任职于)、关系的定义域/值域,以及约束(如 出生日期唯一)。本体保证数据一致性,数据层则是符合本体的具体实例三元组。两者的关系类似「表结构」与「表数据」。

常见误区

⚠️ 常见踩坑

别把本体等同于具体三元组数据:本体是类型与约束的 schema 层,三元组是符合该 schema 的实例。也别混淆实体与属性值。

追问

追问 1知识图谱与关系型数据库相比有什么优势?

知识图谱以图为原生结构,多跳关联查询(如「A 的同事的母校」)无需多表 JOIN,路径表达和推理更自然;schema 更灵活,可增量扩展关系类型,适合稀疏、异构、强关联的知识。

追问 2RDF 和属性图(Property Graph)有何区别?

RDF 用 (主语,谓语,宾语) 三元组 + URI,标准化强、适合开放数据互联与本体推理(OWL/SPARQL);属性图(如 Neo4j)允许节点和边自带属性键值对,建模更直观、工程查询(Cypher)更高效。

延伸学习

与本题相关的知识库文章、术语、工具与行业资讯。

🛠️ AI 工具

  • OWL

    CAMEL-AI 研究团队开源的多智能体协作框架,在 GAIA 通用 AI 助手基准测试中开源方案排名第 1(58.18 分)。支持浏览器自动化、代码执行、视频/音频分析、文档处理等 10+ 工具包,并集成 MCP 协议扩展工具生态。19.4k GitHub Star,Apache 2.0 协议,是开源多智能体协作的标杆项目,适合复杂任务的 Agent 编排和研究