知识图谱（Knowledge Graph）是一种用图模型来描述知识和建模世间万物之间关联关系的技术方法^[63]。知识图谱由Google提出并使其搜索业务实现智能化，随后，知识图谱技术在智能搜索、情报分析、自动问答等领域中的应用表现出强大优势，为人工智能的快速发展提供了重要的动力，如专家系统、自然语言处理、语义Web等诸多研究领域。王兰成和娄国哲认为，知识图谱发展到现在，其应用领域已远超出Google最初提出时的目的，主要表现在三个方面：^[64]在搜索领域，基于知识图谱的搜索引擎以直接给出答案的方式展现查询结果，如谷歌知识图谱融入了维基百科等公共资源以及通过爬虫搜集整理的大量语义数据，微软推出的Bing搜索通过站点合作获得用户画像可有针对性地呈现量身定制搜索服务；^[65]在问答领域，知识图谱也获得大量应用，如华盛顿大学的Paralex系统、苹果的Siri、亚马逊收购的Evi、Facebook的Graph Search、Microsoft的Cortana、百度的小度机器人等；^[66]在情报领域，如基金公司构建上市公司的知识图谱为投资人提供决策支持，公安机关根据企业或个人的交易、通话、出行、税务等信息构建社会活动知识图谱，并应用在案件侦破过程中①。赵一鸣认为，知识图谱在语义搜索、智能问答、文档表示等领域得到广泛应用，它不仅是知识工程领域的一个最佳实践，更是一种知识组织系统，应该纳入图书情报领域知识组织研究的范畴②。

与语义网络相比，知识图谱具有显著特点：知识图谱较少关注概念间层次关系而注重描述实体间关系及实体属性，开放知识图谱大多来源于百科然后通过数据挖掘、机器学习等技术快速构建，知识图谱的来源较多则需要进行清洗和融合处理③。本体主要描述静态特征，其动态特性可以由知识图谱的动态性提供支持。大多OWL描述的本体可以向知识图谱进行转化，Zhou等证明了使用OWL EL语言描述的本体，可以在保证高效推理的前提下转化成知识图谱^[67]。(www.daowen.com)