知识图谱是用实体与关系组织知识的结构化方式，把散落在文档里的信息变成机器可推理的网络，是搜索、推荐与智能问答的底层支撑。
本文由北京国信诚商互联网科技有限公司整理 · 更新于 2026-10-31基本定义
知识图谱（Knowledge Graph）以「实体—关系—实体」的三元组组织信息，如「某公司—提供—人工智能商城开发服务」。实体是节点，关系是边，多条边连接起来就形成可查询、可推理的网络。
它和普通数据库的区别在于语义：数据库记录字段值，知识图谱记录「谁和谁是什么关系」。
构成要素
一套可用的图谱通常包含以下几层。
- 实体：公司、产品、服务、地区、资质、人物
- 关系：提供、位于、属于、获得、合作
- 属性：名称、时间、编号、价格等字段
- 本体：定义允许出现的实体类型与关系类型
- 推理规则：如「子公司—属于—集团」的传递关系
典型用途
图谱的价值体现在需要「关联理解」的场景。
- 智能问答：把自然语言问题映射到实体与关系
- 搜索理解：识别同义词与上下位概念
- 推荐：基于关系路径发现潜在关联
- 风控与合规：穿透股权与关联方
企业如何起步
不必一上来就建大图谱。从业务最关心的三类实体开始（产品、服务、地区），把它们的标准名称、别名与关键属性梳理清楚，就已经能支撑大部分 AI 问答与搜索理解需求。图谱建设的难点从来不是技术，而是口径统一与持续维护。
常见问题
知识图谱和向量库哪个好？
用途不同。图谱擅长精确关系与推理，向量库擅长语义相似检索，实践中常配合使用。
小企业需要建图谱吗？
可以先做轻量版：把实体、别名与关键属性整理成结构化表，效果往往已足够。
建图谱一定要专门工具吗？
不一定。规模小时用关系型数据库加结构化字段即可承载。