最近几年知识图谱作为人工智能领域很热门的一项技术，已经在不少领域都取得了不少成功的落地案例。不过知识图谱作为人工智能的一个底层技术，确实不如图像，语音等技术一样让人能很直观的感受到它的存在。于是乎，总会被问道：知识图谱到底能干啥？
首先，知识图谱是一种语义表示，可以对现实世界中的实体、概念、属性以及它们之间的关系进行建模；
其次，知识图谱是一种特殊的图数据，它是语义的和可复用的：知识图谱数据一经获取即可被多领域应用重复使用，这也是知识图谱服务的构建动机。
作为一种应用型技术，知识图谱支撑了很多行业中的具体应用。例如：
- 信息检索：搜索引擎中对实体信息的精准聚合和匹配、对关键词的理解以及对搜索意图的语义分析等；
- 自然语言理解：知识图谱中的知识作为理解自然语言中实体和关系的背景信息；
- 问答系统：匹配问答模式和知识图谱中知识子图之间的映射；
- 推荐系统：将知识图谱作为一种辅助信息集成到推荐系统中以提供更加精准的推荐选项；
- 电子商务：构建商品知识图谱来精准地匹配用户的购买意愿和商品候选集合；
- 金融风控：利用实体之间的关系来分析金融活动的风险以提供在风险触发后的补救措施（如联系人等）；
- 公安刑侦：分析实体和实体之间的关系以获得线索等；
- 司法辅助：法律条文的结构化表示和查询来辅助案件的判决等；
- 教育医疗：提供可视化的知识表示，用于药物分析、疾病诊断等；
……
总的来说，知识图谱是一项复杂的工程，其构建过程用到了各种复杂的建模的方法。但是，作为一种底层能力，知识图谱能够为实际业务赋能，因此越来越多的业务公司开始重视并着手搭建自己的知识图谱，作为算法工程师或即将成为算法工程师的你，务必要了解这样一项技术。
