图是我最喜欢使用的数据结构之一，它们可以使我们能够表示复杂的现实世界网络，如快速交通系统（例如，公交道路、地铁等）、区域或全球空中交通，或者人们的社交网络之类的相关事物。并且他们非常灵活，很容易被人类理解，但是为了让计算机“理解”和“学习”它们，我们需要额外的一步（称为矢量化）。这种解释可能过于简单，我们将在本文的后续部分详细解释。
知识图谱有何特别之处？
为了轻松理解知识图与其他图的不同之处，我们想象一个具有不同级别的游戏，随着游戏的深入，每个级别都会变得困难。
Level 1：可以是一个简单的无向图，比如大学里的朋友群，朋友是节点，朋友之间的关系是边。这里我们只有节点和边，没有什么太花哨的。
Level 2：在上一层的基础上增加一层信息，比如方向，这样我们就得到有向图。一个简单的例子是城市范围的公交网络。将公共汽车站视为节点，将公共汽车的路线视为边，每辆公共汽车都以特定的方向从一个站点移动到另一个站点，这就是增加了方向信息。
Level 3：我们采用有向图并向节点和边添加多种属性。想象一下互联网上的社交网络，节点上的属性是用户所基于的社交网络类型。例如，它可以是 Twitter、Facebook 或 YouTube。边的属性可以是不同用户之间的交互类型，即关注（在 Twitter 的情况下）、朋友或关注（在 Facebook 的情况下）和订阅（在 YouTube 的情况下）。图的有向性在这里开始发挥作用，因为上面这些属性只能是单向的（相互关注就是有两条边）。例如，你可以关注 Elon Musk，但他可能不会在 Twitter 上关注你，这就是有一条向的边。
Level 4：上一级中的图中，不使用节点和边，而是使用三元组进行表示：三元组是知识图谱的构建块，它是由 3 个元素组成的元组，即：源节点（头）、关系和目标节点（尾）。
这就是我们所说的知识图谱了，源节点和目标节点有时也被称为实体。
“知识图谱”一词的使用有点含糊，因为知识图谱没有固定的定义，从广义上讲可以将任何包含一些知识/重要信息的相当大的图称为知识图谱。这里的关键点是我们将三元组作为知识图谱的基本组成部分。
完整文章：