领域知识图谱 概念
领域知识图谱聚焦特定行业或专业范围，以该领域的概念体系与实体关系为骨架组织知识，强调准确性、规范性与可维护，服务于专业检索与决策支持。
知识图谱与推理词条
知识图谱可视化 技术
知识图谱可视化把图结构以可读的图形方式呈现，通过布局算法与交互手段帮助用户探索关系、发现异常与验证数据，是图谱分析与应用的重要入口。
知识融合 技术
知识融合把来自多个来源的知识在实体、关系与模式层面进行对齐与合并，消除冲突与冗余，形成一致的知识库，是知识图谱构建的关键环节。
常识知识 概念
常识知识指人们默认共享、通常无需言明的世界知识与行为规律，如物体用途、事件因果与社会规范；缺乏常识是机器理解自然语言与真实场景的主要障碍之一。
Cypher 技术
Cypher 是面向属性图数据库的声明式查询语言，用 ASCII 图案化语法描述节点与关系模式，支持匹配、创建、更新与路径查询，语义直观易读。
GraphSAGE 技术
GraphSAGE 是一种归纳式图神经网络方法，通过对邻居进行采样与聚合生成节点表示，使模型可泛化到训练时未见过的节点，适合大规模动态图。
Wikidata 产品
Wikidata 是由社群协作维护的开放结构化知识库，以条目与声明的形式存储事实并支持多语言标签，为维基百科与其他应用提供可复用的数据来源。
Neo4j 产品
Neo4j 是原生图数据库产品，以节点、关系与属性直接存储与遍历图结构，配套 Cypher 查询语言，广泛用于知识图谱、关系网络分析与推荐场景。
知识图谱与LLM融合 技术
知识图谱与 LLM 融合让大模型利用结构化知识：KG 增强检索（GraphRAG）、图谱辅助推理、LLM 构建图谱与联合问答，缓解幻觉并提升多跳推理，是 2024 年后知识工程主线。
知识表示学习 概念
知识表示学习把符号知识（实体/关系）转为向量表示以便计算与泛化：知识图谱嵌入、节点嵌入（node2vec）、大模型知识编码，支撑补全、问答与推理。
时序知识图谱 概念
时序知识图谱给三元组附加有效时间（如「某人 2010-2020 任某职」），支持时间约束推理与演化预测，用于事件预测、动态风控与历史问答。
跨语言知识图谱 概念
跨语言知识图谱统一多语言版本的实体与关系（如同一实体在中/英/日不同条目），支撑跨语言搜索、问答与翻译，Wikidata 是其典型实现。
语义对齐 技术
语义对齐把不同数据源/模态/语言的语义统一到同一表示或映射：实体对齐、本体匹配、跨语言对齐与嵌入空间对齐，是知识融合与多模态理解的关键。
图算法 技术
图算法处理图上的计算任务：最短路径（Dijkstra）、社区发现（Louvain）、中心性（PageRank）、连通性与匹配，用于社交分析、风控与知识图谱。
知识库 概念
知识库（KB）是结构化知识的集合：三元组库、规则库或本体库（Wikidata、DBpedia、企业知识库），是知识图谱与 KBQA 的存储基础。