1. 什麼是知識圖譜
知識圖譜（Knowledge Graph）是由谷歌公司2012年提出來的新名詞，其初衷是優化搜索殷勤返回的結果，增強用戶搜索質量及體驗。
實際上，知識圖譜並不是一個全新的概念，早在 2006 年就有文獻提出了語義網（Semantic Network）的概念，呼籲推廣、完善使用本體模型來形式化表達數據中的隱含語義，RDF（resource description framework，資源描述框架）模式和 OWL（Web ontology language，萬維網本體語言）就是基於上述目的產生的（引自知乎）。
通俗講：知識圖譜也可以叫做多關係圖（Multi-relational graph），通常包含多種類型的關係和邊。
知識圖譜中主要包含了兩個部分：實體和關係
- 實體：對應圖中的節點，指的是現實世界中的事物。
- 關係：對應圖中的邊，指的是實體之間的關係
2. 知識圖譜的計算
圖計算：G=(V, E, D), V=vertex（頂點或者節點），E=edge（邊）， D=data（權重）
對於一個消費者的原始購買行爲，有兩類節點，分別是用戶和產品，邊表示購買行爲，權重是邊上的一個數據結構，可以是購買次數和最後購買時間。
對於我們面臨的物理世界的數據問題，都可以利用圖結構來抽象表達：社交網絡，網頁鏈接關係，用戶傳播網絡，用戶網絡點擊、瀏覽和購買行爲等等。
圖數據結構很好的表達了數據之間的關聯性，關聯性計算是大數據計算的核心——通過獲得數據的關聯性，可以從噪聲很多的海量數據中抽取有用的信息。比如，通過爲購物者之間的關係建模，可以很快找到喜好相似的用戶，併爲之推薦商品。
有許多新型的基於圖的計算平臺和引擎出現。例如專注於圖結構化存儲與查詢的圖數據庫Neo4j，infinitegraph等。Google的圖計算框架Pregel（基於大塊的消息傳遞機制），CMU的開源圖計算框架——GraphLab（基於內存共享機制）。Spark也有支持圖計算機器學習的模塊——GraphX，可以實現複雜的圖數據挖掘。
3. 知識圖譜的存儲
3.1 RDF存儲
（1）存儲三元組（Triple）
（2）標準的推理引擎
（3）W3C標準
（4）常用於發佈數據
（5）多數爲學術界場景
RDF三元組爲“主謂賓”的結構。
3.2 圖數據庫存儲
（1）節點和關係可以帶有屬性
（2）沒有標準的推理引擎
（3）圖的遍歷效率高
（4）事務管理（ACID）
（5）基本爲工業界場景
3.3 RDF與圖數據存儲的區別
（1）屬性存儲
RDF三元組實體和關係不包含屬性，而屬性圖中可以包含屬性。
比如實體李明的年齡是25歲，在RDF中只能表示爲兩個實體之間的關係，即李明和年齡分別作爲兩個實體，它們之間通過屬性Age_of相連。在屬性圖中，年齡可以表示爲實體李明的一個屬性。
（2）區別2：命題。
示例：李明撥打張三的電話三次。
（3）區別3：RDF主要用於學術界，易於數據的發佈、分享；圖數據庫主要來自於工業界的需求，擁有一般數據庫擁有的特性，比如事實管理、權限管理等等，圖數據庫用來做高效率的圖查詢。
關係型數據庫不能很好地處理關係。
建模難：不熟悉就不能建模和存儲數據和關係
性能低：隨着關係數量和層次的增加，數據庫尺寸的增加，性能降低
查詢難：需要JOIN操作，查詢複雜性增加
擴展難：增加新類型的數據和關係，需要重新設計模式，增加上市時間。
這些劣勢導致傳統的數據庫不適用於有實時價值的數據關係。