知識圖譜的概念是由谷歌公司於2012年5月17日首次提出，旨在描述客觀世界的概念、實體、事件及其之間的關係，並作爲構建下一代智能化搜索引擎的核心基礎。通俗地講，知識圖譜就是把所有不同種類的信息連接在一起而得到的一個關係網絡。知識圖譜提供了從“關係”的角度去分析問題的能力。一個簡單的知識圖譜如下圖所示。
圖 1 簡單知識圖譜示例圖
1. 知識圖譜技術研究內容
當前世界範圍內知名的高質量大規模開放知識圖譜，除了Google自己的知識圖譜外，還包括DBpedia、Wikidata、ConceptNet以及Microsoft Concept Graph等各類包含多語言廣領域的知識圖譜，另外還有中文開放知識圖譜平臺OpenKG。
知識圖譜技術包括知識表示、知識圖譜構建和知識圖譜應用三方面的研究內容。
知識表示技術可以分成符號主義和聯結主義。具體的表示方法可以分爲三類。
（1）基於符號邏輯的知識表示。主要包括邏輯表示法、產生式表示法和框架表示等。在目前大規模數據時代，已經不能很好地解決知識表示的問題。
（2）萬維網內容的知識表示。主要包括XML語言、RDF描述框架和OWL語言等。當前在工業界大規模應用的是基於RDF三元組的表示方法。
（3）表示學習。表示學習的目標是通過機器學習或深度學習，將研究對象的語義信息表示爲稠密低維的實值向量。相比傳統方法，可顯著提升計算效率，有效緩解數據稀疏性，更容易實現不同來源的異質信息融合。
2. 知識圖譜構建流程
目前大多數知識圖譜都是採用自底向上的方式進行構建，知識圖譜大致的構建流程如圖所示，主要包括知識獲取、知識融合、知識加工，是個不斷迭代更新的過程。
（1）信息獲取：從各種類型的數據源中提取出實體（概念）、屬性以及實體間的相互關係，在此基礎上形成本體化的知識表達；
（2）知識融合：在獲得新知識之後，需要對其進行整合，以消除矛盾和歧義，比如某些實體可能有多種表達，某個特定稱謂也許對應於多個不同的實體等；
（3）知識加工：對於經過融合的新知識，需要經過質量評估之後（部分需人工參與），將合格的部分加入到知識庫中，以確保知識庫的質量，新增數據之後，可以進行知識推理、拓展現有知識、得到新知識。
圖 2 知識圖譜的技術架構
知識圖譜是一個既充滿挑戰又非常有趣的領域，它改變了現有的信息檢索方式：
（1）一方面，通過推理實現概念檢索；
（2）另一方面，以圖形化方式向用戶展示經過分類整理的結構化知識，從而使人們從人工過濾網頁尋找答案的模式中解脫出來。
基於知識圖譜的服務和應用是當前的一大研究熱點。按照應用方式可以分爲語義搜索、知識問答，以及基於知識的大數據分析與決策等。知識圖譜一個很重要的作用是知識的推理，知識推理是人工智能的一個重要技術途徑。
基於知識圖譜的信息技術在軍事領域也有着廣泛的應用需求，蔣鍇等人在《基於知識圖譜的軍事信息搜索技術架構》中提出了基於知識圖譜的軍事信息搜索技術架構，並結合軍事數據庫搜索給出了具體步驟，基於知識圖譜的軍事信息搜索具有廣泛的應用場景，能支撐情報保障、作戰籌劃和輔助決策等多種應用。在航天系統中，對於研究過程中存在着的大量知識和信息，通過以知識圖譜爲代表的知識工程技術應用，可以充分利用這些信息，實現對知識資源全面和充分的開發以及有效的利用和知識創新。