规则推理 技术
规则推理用 IF-THEN 规则从前提到结论演绎：正向/反向链、Datalog、RETE 引擎，可解释性与确定性好，用于风控规则、专家系统与图谱规则补全。
知识图谱与推理词条
知识推理 技术
知识推理基于已有知识推导新结论：规则/逻辑推理（描述逻辑、Datalog）与学习式推理（图嵌入、GNN），用于知识补全、一致性检查与问答推理。
知识抽取 技术
知识抽取从非结构化文本自动提取实体、关系、属性与事件三元组，是知识图谱构建的「前端」，方法从规则/统计到神经模型与 LLM 提示式抽取（UIE）。
实体消歧 技术
实体消歧解决「一词多实体」：同一指称在不同上下文指向不同实体，通过上下文表征与候选匹配确定正确实体，是实体链接的核心子任务。
实体链接 技术
实体链接把文本中的实体指称（如「苹果」）映射到知识库中的具体实体（苹果公司 vs 水果），含候选生成与消歧，是知识图谱构建与问答的关键环节。
知识图谱构建 技术
知识图谱构建从数据中抽取并组织三元组：实体识别、关系抽取、实体链接与融合、schema 设计与质量校验，可分自底向上（数据驱动）与自顶向下（模式先行）。
图数据库 技术
图数据库以节点-边原生存储关联数据，擅长多跳查询与关系分析：Neo4j（Cypher）、JanusGraph、NebulaGraph（中国）、TigerGraph 等，是知识图谱与社交/风控图的基础。
SPARQL 技术
SPARQL 是 W3C 标准的 RDF 图查询语言：用图模式匹配检索三元组、聚合与联邦查询，是知识图谱与语义网的「SQL」。
OWL 技术
OWL 是 W3C 的本体描述语言：基于描述逻辑提供类、属性、等价与约束公理，支持自动推理（一致性检查、分类），是语义网与知识图谱模式层的标准。
RDF 技术
RDF 是 W3C 的资源描述框架：以「主体-谓词-客体」三元组描述资源及其关系，是语义网与知识图谱的标准数据模型，支持图存储与 SPARQL 查询。
语义网 概念
语义网是 Tim Berners-Lee 提出的「机器可理解的互联网」愿景：以 RDF/OWL/SPARQL 等 W3C 标准让数据可关联、可推理，是知识图谱与链接数据的技术源头。
本体 概念
本体是领域概念的显式形式化规范：类、属性、关系与公理，用于知识共享与互操作，RDF Schema/OWL 是标准表达，是知识图谱的模式层基础。
知识图谱 概念
知识图谱以「实体-关系-实体」三元组组织结构化知识，支撑搜索、问答与推理，Google 2012 年提出后成为语义理解基础设施，大模型时代与 LLM 融合（GraphRAG）成为新方向。