田 玲，张谨川，张晋豪，周望涛，周 雪

（1.电子科技大学计算机科学与工程学院，成都 611731；2.电子科技大学信息与软件工程学院，成都 610054）

0 引言

随着计算机科学相关领域研究的不断深入，人工智能的研究重心由感知智能转向认知智能。专家系统和语义网络作为认知智能的早期代表，提出“将知识引入人工智能领域”，在某些特定领域具备一定的问题解决能力，但仍存在规模较小、自动化构建能力不足、知识获取困难等一系列问题。

知识图谱（Knowledge Graph，KG）的出现，改变了传统的知识获取模式，将知识工程“自上而下”方式转变为挖掘数据、抽取知识的“自下而上”方式。经过长期的理论创新与实践探索，知识图谱已经具备体系化的构建与推理方法。然而，对于实体关系，知识图谱虽然有较强的建模能力，但难以表达普遍存在的多元关系。知识超图通过引入超边关系，能够完整表达各种复杂的关系类型，得到学术界和工业界的高度关注。此外，知识图谱和知识超图能够结合深度学习（Deep Learning，DL）等人工智能技术，实现高效推理。

1 知识图谱基本概念

本章将从知识图谱定义引入，介绍知识图谱的发展历程、常见的知识图谱分类以及知识图谱的逻辑架构。

1.1 知识图谱定义与发展历程

知识图谱在维基百科中的定义是：使用语义检索，从多种来源收集信息，以提高搜索质量的知识库［1］。本质上，知识图谱是真实世界中存在的各种实体、概念及其关系构成的语义网络图，用于形式化地描述真实世界中各类事物及其关联关系。……