2025.11.05 
浏览量：
在数字化时代背景下，数据科学已成为驱动社会进步与行业革新的核心动力。秉承学校“以企业为导向，以学生为中心”的教育理念，同时响应企业对高素质数据分析人才的需求，数据科学学院推出“Data Knowledge”专栏，将普及数据模型、数据结构、机器学习等基础数据科学知识，为师生提供持续学习和成长的平台，同时，通过连接教学理论与现实实际，在生动传递专业知识的同时，深化教师队伍的知识储备，助力应用型数据分析人才的培养。
作者简介：杨语嫣，大数据管理与应用专业教师。
研究方向： 医疗与健康数据分析。
主讲课程：《统计学》。
在信息爆炸的时代，数据无处不在，却常常“各说各话”。 不同数据库、文本、表格、API等，像散落在大海中的孤岛，无法互联、无法共享。 而知识图谱（Knowledge Graph）正是那张让数据“互相理解”的世界地图——它让机器真正“看懂”信息之间的逻辑，构建起从“数据”到“知识”的桥梁。
图1 以人工智能为主体的知识图谱
01
当说出“苹果”这个词，大家会立刻想到什么？它是一种水果，口感清脆，也可能想到苹果公司、乔布斯、iPhone等。在大脑中，知识从来不是孤立的，而是一张庞大的关系网络——每个概念都和其他无数概念相连，这正是知识图谱的灵感来源。它用计算机的语言，把这种人脑的知识网络画了出来。
从技术上讲，知识图谱是通过“实体（Entity）-关系（Relationship）-实体（Entity）”的三元组，将知识以结构化的方式表示。例如感冒、临床症状、鼻塞，“感冒”和“鼻塞”是两个实体，中间的“临床症状”就是它们之间的关系。
图2 三元组
成千上万的三元组拼在一起，就能构成一个庞大的医学知识图谱。它让计算机能“理解”世界中事物的关系，像人类一样进行逻辑推理。用一句话总结，知识图谱就是给现实世界画了一张知识关系地图，它不仅传达出“是什么”，更传达出“和谁有关”以及“是什么关系”。
图3 以普通感冒为主体的医学知识图谱
02
我们可以把知识图谱的构建想象成一栋“知识大厦”的诞生。要建大楼，得先有原料、有设计蓝图、有施工、有装修。知识图谱也一样，主要分四步：
图4 知识图谱的构建流程
数据采集（备料）
从各种来源收集相关的数据资料，例如行业文档、技术手册、新闻网页、论文等，甚至在多模态图谱中，还能处理图片、音频、视频。
本体构建（设计蓝图）
本体是图谱的“设计图纸”，定义有哪些实体类型、允许什么关系。比如医学知识图谱中，我们基于医学数据特点，一般先定义疾病、药品、症状等实体类型，以及“疾病—症状”、“疾病—药品”等关系，再考虑具体的实体。
知识抽取（主体施工）
将非结构化数据（如病例记录、医学论文等）转化为结构化的知识三元组，实现从“文字”到“知识”的提炼与重构。这一步最为核心，也是知识图谱“长出形状”的时刻。
知识融合（精装修）
不同来源的数据说法各异，比如“感冒”、“上呼吸道感染”、“风寒”、“着凉”都可能指同一个东西。融合阶段要保证它们指向同一个知识概念，最终呈现为唯一的知识节点。
最后，整栋大楼需要一个图数据库来存储，比如Neo4j。它能高效处理图结构数据，让我们可以随时进行查询和推理。
03
智能问答系统
构建智能问答系统是知识图谱的经典应用。以医学知识图谱问答系统为例，用户问“我最近鼻塞和身体酸痛，这是怎么了？”，系统会识别相关症状节点，并沿关系路径推理出“感冒”疾病，再找到对应药物和治疗方案，以自然语言生成回答：“根据您的症状，您很可能患感冒。”这一回答基于图谱推理，可靠且可解释。
图5 知识图谱问答系统
知识可视化
图是知识图谱存储与应用的基础，凭借强大的数据关联和知识表达能力，能够将复杂的关系直观呈现。图谱中节点的颜色、线条粗细和大小可以进一步反映节点的重要性、影响力以及关系传导方向，使用户能够快速识别关键实体及潜在风险。
智能推荐系统
大家是否遇到过这种情况：刚在购物平台搜了个露营帐篷，转头打开短视频平台，全世界都在推荐防潮垫、折叠椅、户外电源？这并不是“偷听”，而是知识图谱在背后默默工作。知识图谱能够构建用户、商品、兴趣等多维度的关系网络，让推荐系统不仅知道“买了帐篷就推帐篷配件”，还能结合用户的行为画像识别兴趣标签，比如“该用户可能是健身爱好者”，从而进一步推荐健康食品、健身课程或相关内容。
04
那现在大模型这么强大，还需要知识图谱吗？当然需要。知识图谱与大模型的碰撞就像理科状元遇上文科天才，两者分别代表了机器学习两大技术流派——符号主义与连接主义。知识图谱如理科状元，逻辑严谨、推理清晰，能够提供可追溯、可解释的事实支撑，有效抑制大模型生成内容时的“幻觉”；而大模型如文科天才，表达流畅、创意丰富，擅长从海量数据中自动学习并生成自然语言。现在最前沿的趋势是两者结合，比如 GraphRAG、GraphGPT 等新架构。
表1 知识图谱与大模型的特点对比
05
知识图谱的核心，是让“知识不再孤立”。它打破数据边界，赋予机器语义推理能力，也为人类理解复杂世界提供了全新工具。在智能时代，无论是智能搜索、AI问答，还是企业数据中台，知识图谱都是不可或缺的“智慧底座”。让我们用图的语言重新编织知识网络，开启一场从数据到智慧的全景探索之旅。
延伸阅读
学校地址：陕西省西安市雁塔区东仪路8号
Copyright 2017 Xi'an Eurasia University , All Rights Reserved , 陕ICP备13005465-1
