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。

🔗 相似问题

同一考点的不同问法,换着练更稳

没找到想看的面试题?把你想看的告诉我们 →

延伸学习

按主题分类的相关资源,便于系统复习