众所周知，2012 年的时候，Google 正式提出了一个新的概念：知识图谱，它是指以结构化的形式描述客观世界中概念、实体及其关系。其最早是为了优化 Google 搜索引擎结果，提升用户体验而生。

发展到了今天，聊天机器人、大数据风控、智能医疗、推荐系统，无一不跟知识图谱相关。各大公司也在近些年开始陆续布局知识图谱。

掌握知识图谱，对程序员的实际开发工作好处颇多，比如：

1. 更快处理和查询数据，提高数据处理和查询效率；

2. 更方便构建智能应用，实现自然语言理解、推荐系统、智能搜索等功能；

3. 知识图谱涉及数据管理、语义理解、机器学习等多个方面，可进一步拓展技术方向。

此次全面介绍知识图谱: 描述它们的基本数据模型以及如何查询它们；讨论与schema, identity, 和 context相关的表征；介绍可用于创建和充实图形结构数据的各种技术；并提供在实践中发现的现有知识图谱的概述。

并且我还整理了152篇知识图谱论文合集（含经典论文、CCF2023、AAAI2023知识图谱论文），全是pdf格式，非常方便。

扫码回复“知识图谱”

领取130页pdf综述+152篇知识图谱论文合集

另外我还特地邀请了两次顶会大咖给大家做了两节《知识图谱研究、概述以及未来应用场景》，时长2小时，干货满满。

0.01解锁2节《知识图谱研究、概述以及未来应用场景》

领取130页pdf综述+152篇知识图谱论文合集+52页课件

第一节课程：知识图谱与多模态技术基础研究与未来应用

一、背景和应用
• 定义
• 应用场景

二、知识图谱的分类
• 按照场景分类
• 按照时间分类

三、知识图谱构建
• 知识从哪来？

• 知识图谱补全

四、知识表示学习
• 知识怎么被计算机所知？

五、图谱API服务
• API服务

六、总结和学习路径

第二节课：知识图谱概述及其应用场景