日期：
来源：GitHub宝典收集编辑：
大家好，我是小 G。
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。
那么这些规模百亿的知识图谱到底是如何构建的呢？
这里我将知识图谱拆成 5 个部分，帮助大家理解知识图谱中的核心技术组成
知识图谱是个很热的话题，是学术界研究的热点，也是工业界主推的重点，那么想在顶会上发论文，除了掌握基本知识外，大量的读论文是必不可少的！
为了帮助大家更好的掌握这门技术，我搜罗近 3 年来（2020 - 至今）的知识图谱相关技术领域的综述文章，并进行了分类和整理！
想要的同学，扫码二维码，回复【图谱】
即可获得全部论文合集，全是 pdf 格式，非常方便！
想要的同学，扫码二维码，回复【图谱】
即可获得全部论文合集，全是 pdf 格式，非常方便！