第1章 初识知识图谱：藏在搜索引擎里的知识魔法
你有没有过这样的经历？周末刷短视频看到博主说“姚明12岁的女儿身高已经超过1米9”，心里痒痒的，打开搜索引擎输入「姚明女儿身高」，刚敲完回车，搜索框右侧直接跳出来一张信息卡片：姚沁蕾，2010年出生，2022年时身高1米9，是前中国男篮运动员姚明与妻子叶莉的女儿，爱好篮球和钢琴——连她参加青少年篮球比赛的现场照片都附在后面，根本不用你点进一堆网页里翻找。又或者学苏轼的《念奴娇·赤壁怀古》，好奇这位大文豪平时都和哪些人来往，搜「苏轼朋友圈」，直接跳出关系网：和他并称“唐宋八大家”的父亲苏洵、弟弟苏辙，和他唱和诗词的好友佛印，还有被贬黄州时一起种地、互相调侃的王巩，甚至连他们互相寄送的诗作标题都列得清清楚楚。
这时候你可能会纳闷：为什么现在的搜索这么“懂你”？不用翻好几页网页，答案直接送到你面前？这背后藏着的魔法，就是我们今天要认识的——知识图谱。
---
一、搜索的“进化史”：从找链接到找答案
要理解知识图谱的价值，我们得先看看没有它的时候，搜索引擎是怎么工作的。相信大部分人都经历过“传统搜索”的痛点：比如你要查“苏轼的朋友有哪些”，搜索结果前几页都是各种问答链接、博客文章，你得点进去一篇一篇看，有的文章写了十几个人，你找半天才能找到佛印的名字，有的文章还夹杂着错误信息，比如把和苏轼完全不是一个朝代的李白列成他的朋友，你得自己分辨真假。
传统搜索引擎的本质是关键词匹配：你输入“姚明女儿身高”，它就去海量网页里找同时包含“姚明”“女儿”“身高”这几个词的页面，再按照网页的权重、更新时间排序给你。这种模式有两个明显的短板：
- 第一，结果太散：你要的信息可能藏在第10页的某个链接里，或者分散在好几篇文章里，你得自己拼凑；
- 第二，真假难辨：只要有网页写了“姚明女儿身高2米2”，哪怕这是谣言，也可能被排在前面，机器根本不知道这句话是对是错。
那有没有办法让机器“看懂”知识，直接把准确的答案整理好给你？这就是知识图谱诞生的初衷。
::: tip 电子版小提示 你可以现在打开任意一个搜索引擎，搜一个你熟悉的名人，比如“袁隆平”，看看搜索结果里有没有直接跳出来的信息卡片？卡片里列了哪些内容？可以先在心里记下来，等下我们就会拆解这些内容是怎么来的。 :::
---
二、知识图谱到底是什么？三个核心要素搞懂它
如果用一句话解释知识图谱，它就是把世界上零散的知识，整理成一张机器能看懂的“关系大网”。这张网里的每一个知识点都不是孤立存在的，而是和其他知识点有明确的联系，就像你微信里的好友关系网：你是网里的一个点，你的朋友、同学、家人都是其他点，你们之间的关系是“好友”“同学”“家人”，机器一看这些关系，就能马上知道你的社交圈是什么样的。
这张“知识大网”的核心只有三个要素，非常好理解：
1. 实体：网里的“点”
实体就是真实存在的、具体的事物，可以是人、地点、物品、事件、概念，比如“姚明”“姚沁蕾”“北京”“泰坦尼克号沉没事件”“篮球”“北宋”这些都是实体。每个实体都是网里的一个独立节点，有自己唯一的身份标识，就像你的身份证号一样，不会和其他人混淆。
2. 属性：实体的“个人简介”
属性就是实体本身自带的特点和信息，比如“姚明”的属性有：身高2米26、出生年份1980年、职业是篮球运动员、籍贯江苏苏州；“姚沁蕾”的属性有：出生年份2010年、身高1米9、爱好篮球和钢琴。属性就是给每个实体做的“个人档案”，把它的关键信息都列出来。
3. 关系：点与点之间的“连线”
关系就是两个实体之间的联系，比如“姚明”和“姚沁蕾”之间的关系是“父女”，“姚沁蕾”和“篮球”之间的关系是“爱好”，“苏轼”和“苏洵”之间的关系是“父子”，“苏轼”和“佛印”之间的关系是“好友”。这些关系就是网里的“连线”，把不同的实体串在一起。
我们拿大家都熟悉的《流浪地球》举个例子，它的知识图谱片段是这样的： | 实体1 | 关系 | 实体2 | 实体1的属性 | 实体2的属性 | |-------|------|-------|------------|------------| | 《流浪地球》 | 导演是 | 郭帆 | 上映年份2019年、类型科幻电影 | 出生年份1980年、职业导演 | | 《流浪地球》 | 主演是 | 吴京 | 改编自刘慈欣的同名小说 | 出生年份1974年、职业演员 | | 《流浪地球》 | 改编自 | 刘慈欣 | 票房46.87亿 | 出生年份1963年、职业科幻作家 | | 吴京 | 好友是 | 刘德华 | —— | 出生年份1961年、职业演员 |
你看，就这么几行内容，就把《流浪地球》相关的核心知识都串起来了，机器只要看了这张表，就能马上回答“《流浪地球》的导演是谁？”“吴京在《流浪地球》里是什么角色？”“《流浪地球》是改编自谁的小说？”这些问题，根本不用去翻网页找答案。
::: note 纸书小知识 在知识图谱的专业术语里，刚才说的“实体-关系-实体”的组合叫做“三元组”，是知识图谱最小的组成单元。你可以把三元组理解成一个“知识小句子”：第一个空填“谁”，第二个空填“什么关系”，第三个空填“和谁”，比如“苏轼”“是”“北宋文学家”，就是一个最简单的三元组。无数个三元组拼在一起，就变成了庞大的知识网。 :::
---
三、知识图谱的成长史：从20年前的预言到现在的“知识魔法”
知识图谱不是突然冒出来的新技术，它的发展历程甚至比大部分同学的年龄还要大，我们可以把它分成三个阶段来看：
第一个阶段：预言阶段（1998年）——语义网的设想
知识图谱的“祖先”是万维网的发明者蒂姆·伯纳斯-李（Tim Berners-Lee）在1998年提出的语义网概念。你可能不知道，我们现在用的万维网，本质上是“给人看的网页”：网页里的文字、图片、视频都是给人浏览的，机器只能识别这些内容的“格式”，根本看不懂“内容是什么意思”。
比如一篇新闻里写“苹果发布了新手机”，机器只能看到“苹果”“发布”“新手机”这几个汉字，不知道“苹果”是指科技公司，不是水果，“新手机”是电子产品，也不知道“苹果”和“新手机”的关系是“公司发布了产品”。蒂姆·伯纳斯-李就想：如果给网页里的所有内容都加上“语义标签”，明确标注每个词是什么实体、是什么关系，让机器也能“看懂”知识，那互联网就不仅仅是一个信息的集合，而是一张真正的“知识大网”了。
这个想法在当时太超前了，直到2012年才真正落地。
第二个阶段：落地阶段（2012年）——谷歌知识图谱的推出
2012年，谷歌正式推出了谷歌知识图谱（Google Knowledge Graph），这是知识图谱历史上第一个大规模商用的产品。谷歌为什么要做这个？因为当时的用户搜索体验太差了：你搜“泰坦尼克号”，出来的结果一半是电影链接，一半是历史事件链接，你得自己判断你要的是哪一个，很多用户搜一个内容要点三四次才能找到想要的答案，太麻烦了。
谷歌就想：能不能把常见的人、事、物、地点、作品这些知识都整理成结构化的关系网，用户搜的时候直接把整理好的答案放在最上面，不用他们点进去找？于是谷歌花了几年时间，把英文世界里的几亿个实体、几十亿条关系都整理成了知识图谱，上线之后，用户的搜索点击率直接降了20%，因为大部分答案直接在搜索页就看到了，不用点进网页。
谷歌知识图谱上线之后，其他公司也纷纷跟进：百度推出了“百度知心”，搜人名、搜电影、搜景点都会直接出信息卡片；阿里巴巴推出了“阿里知识图谱”，用在淘宝、天猫的搜索和推荐里；微信的“搜一搜”也接入了知识图谱，你搜个名人、搜个医院，直接出准确的信息。
第三个阶段：融合阶段（2020年至今）——知识图谱与大模型手拉手
2020年之后，人工智能进入了“大模型时代”，ChatGPT、文心一言、通义千问这些大模型可以像人一样聊天、写文章、解题，很快就火遍了全球。但很快大家就发现大模型有个很大的问题：它会“胡说八道”。
比如你问文心一言“苏轼和李白见过面吗？”，如果它没有知识图谱的约束，可能会编造一个“他们在长安的宴会上见过”的故事，但实际上苏轼是北宋人，李白是唐朝人，差了快200年，根本不可能见面。为什么会这样？因为大模型是从海量的文本里“学”知识的，它不知道哪些知识是对的，哪些是编造的，只要文本里出现过，它就可能学进去。
这时候大家就想到了知识图谱：知识图谱里的知识都是经过人工或算法验证的，准确率非常高，如果把知识图谱和大模型结合起来，让大模型在回答问题的时候先查知识图谱里的准确知识，再组织语言回答，就能既保持大模型的对话能力，又不会胡说八道了。现在大部分主流的大模型都已经接入了知识图谱，你问它常识类的问题，准确率已经非常高了。
::: tip 电子版延伸阅读 如果你对语义网的原始论文感兴趣，可以搜索《Tim Berners-Lee 1998 Semantic Web》，这篇论文发表在《科学美国人》杂志上，是知识图谱领域的开山之作，里面详细描述了语义网的设想，虽然有些内容现在已经过时，但核心思路直到现在还在用。 :::
---
四、知识图谱的核心价值：让机器真正“懂”世界
你可能会问：知识图谱不就是把知识整理成表格吗？和我平时用的百度百科有什么区别？区别可大了，我们可以从三个维度来看：
1. 从“给人看”到“给机器用”
百度百科的知识是写在文章里的，是给人阅读的，比如百度百科里写“苏轼，字子瞻，号东坡居士，北宋文学家，唐宋八大家之一”，人一看就懂，但机器只能看到一堆汉字，不知道“苏轼”是人物，“北宋”是朝代，“唐宋八大家”是一个称号，也不知道它们之间的关系。而知识图谱里的知识是结构化的，每个实体、属性、关系都有明确的标签，机器一看就知道“苏轼”的“所处朝代”是“北宋”，“称号”是“唐宋八大家”，完全不用额外理解。
2. 从“孤立知识”到“关联网络”
百度百科里的每个词条都是独立的，你要找苏轼和苏辙的关系，得分别点进两个人的词条里找，而知识图谱里的知识是关联的，你只要点进“苏轼”的实体，就能直接看到他所有的关系：父亲是苏洵，弟弟是苏辙，好友是佛印、王巩，被贬的地方是黄州，写的作品有《赤壁赋》《念奴娇·赤壁怀古》，所有的知识都是连在一起的，不用你到处找。
3. 从“固定信息”到“灵活扩展”
百度百科的词条内容是比较固定的，你要加个“苏轼爱吃什么”的属性，得等编辑审核通过才能加上，而知识图谱是灵活扩展的，比如你要加“苏轼爱吃红烧肉”的关系，只要在知识图谱里加一个三元组“苏轼”“爱吃”“红烧肉”就行，不用改任何底层结构，想加多少关系就加多少。
我们可以用一个对比图来看传统搜索、普通知识库和知识图谱的区别：
```mermaid graph TD A[用户搜“苏轼的朋友”] --> B[传统搜索引擎] A --> C[百度百科等知识库] A --> D[知识图谱] B --> B1[返回一堆包含关键词的网页链接<br>需要用户自己点进去找、分辨真假] C --> C1[返回苏轼的词条页面<br>用户需要自己滑动找“亲友”部分，关联知识需要跳转其他词条] D --> D1[直接返回苏轼的关系网卡片<br>好友、亲属、同时代文人全部列清楚，附带对应实体的简介] ```
你看，同样的搜索需求，知识图谱的效率是最高的，用户体验也是最好的。
---
五、生活中的知识图谱：你早就见过它了！
很多同学可能觉得知识图谱是很高深的技术，和自己没关系，其实你早就天天在用知识图谱了，只是没发现而已。我们平时用的很多APP的核心功能，背后都有知识图谱在支撑： 1. 搜索引擎的信息卡片：你搜任何名人、景点、电影、电视剧，直接跳出来的包含简介、照片、相关推荐的信息卡片，就是知识图谱最直接的应用； 2. 智能助手的问答：你问Siri“姚明身高多少”，小爱同学“苏轼是哪个朝代的”，它们能直接给出准确答案，不是去网上搜的，是直接查的知识图谱； 3. 音乐/视频APP的推荐：你在网易云音乐搜“周杰伦”，下面不仅会列他的歌曲，还会列他的好友歌手比如方文山、五月天，以及和他风格相似的歌手，这就是知识图谱的人物关系、风格关联在起作用； 4. 地图APP的景点信息：你在高德地图搜“故宫”，直接出来的开放时间、门票价格、周边美食、推荐路线，都是知识图谱整理好的； 5. 搜题APP的知识点总结：你用作业帮、小猿搜题搜一道数学题，不仅会给你答案，还会告诉你这道题对应的知识点是“一元一次方程”，以及相关知识点的讲解链接，这就是知识图谱的知识点关联在起作用。
::: tip 电子版互动小游戏 现在你可以打开你常用的搜索引擎，搜下面这几个内容，看看哪些直接跳出了信息卡片： 1. 你最喜欢的明星的名字 2. 你最近看过的一部电影的名字 3. 你所在城市的名字 4. 你学过的一个历史人物的名字
然后把卡片里的内容列出来，试着找一找里面有哪些实体、属性和关系，看看你能不能自己拆解出这个内容的知识图谱片段。 :::
---
六、本章互动：动手做你的第一个小型知识图谱
光看不练假把式，现在我们来做一个超简单的知识图谱，只需要5分钟： 1. 先想一个你熟悉的人，比如你的偶像、你喜欢的动漫角色、你的家人，比如我就选“我的偶像谷爱凌”； 2. 列3个和这个实体相关的实体：比如“谷爱凌”“北京”“自由式滑雪”； 3. 给每个实体写2个属性：比如谷爱凌的属性是“出生年份2003年”“职业自由式滑雪运动员”，北京的属性是“中国首都”“2022年冬奥会举办地”，自由式滑雪的属性是“冬奥会项目”“需要完成空翻、转体等动作”； 4. 写2个关系：比如“谷爱凌”“出生地是”“北京”，“谷爱凌”“擅长项目是”“自由式滑雪”。
你看，你已经做出一个超迷你的知识图谱了！是不是很简单？
---
七、全书学习路径：从入门到实践
本书一共15章，我们会从零开始，一步步带你玩转知识图谱：
- 第2-4章：带你从零开始构建自己的知识图谱，学会怎么找数据、怎么整理知识、怎么用工具做出来；
- 第5-7章：讲知识图谱和大模型的结合，学会怎么用知识图谱让大模型更聪明，怎么用知识图谱做大模型应用；
- 第8-12章：讲知识图谱在各个领域的应用，从学习、娱乐到科研、生活，你会发现知识图谱能帮你解决很多实际问题；
- 第13-14章：讲知识图谱的未来发展，以及怎么用知识图谱解决复杂的实际问题；
- 第15章：项目实践，带你做一个完整的知识图谱项目，比如“我的兴趣知识图谱”“班级同学关系知识图谱”，做完这个项目，你就能完全掌握知识图谱的核心能力了。
::: note 纸书思考题 1. 你平时用搜索引擎的时候，遇到过哪些“搜了半天找不到答案”的情况？你觉得知识图谱能不能解决这些问题？ 2. 如果让你给“王者荣耀”这个游戏做一个小型知识图谱，你会列出哪些实体、属性和关系？试着写下来。 3. 你觉得知识图谱还能用在哪些你熟悉的场景里？开动脑筋想一想，说不定下一个创新的知识图谱应用就出自你的想法。 :::
---
本章小结
今天我们认识了藏在搜索引擎里的“知识魔法”——知识图谱，知道了它是怎么把零散的知识整理成机器能看懂的“关系大网”，了解了它从1998年的语义网设想，到2012年谷歌推出商用产品，再到现在和大模型融合的发展历程，也知道了它的三个核心要素：实体、属性、关系。其实知识图谱一点都不神秘，它就是帮我们整理知识、让机器能看懂知识的工具，未来它会用到我们生活的方方面面，帮我们更高效地获取知识、解决问题。
下一章，我们会带你从零开始，动手构建你的第一个小型知识图谱，不用会编程，不用有基础，跟着步骤做就行，到时候你会发现，原来做知识图谱这么简单！
你有没有过这样的经历？周末刷短视频看到博主说“姚明12岁的女儿身高已经超过1米9”，心里痒痒的，打开搜索引擎输入「姚明女儿身高」，刚敲完回车，搜索框右侧直接跳出来一张信息卡片：姚沁蕾，2010年出生，2022年时身高1米9，是前中国男篮运动员姚明与妻子叶莉的女儿，爱好篮球和钢琴——连她参加青少年篮球比赛的现场照片都附在后面，根本不用你点进一堆网页里翻找。又或者刷《哈利波特》的剪辑，好奇“赫敏的扮演者还演过哪些电影”，搜完直接跳出艾玛·沃特森的信息卡：除了《哈利波特》系列，她还主演了《美女与野兽》《小妇人》，现在是联合国妇女署的亲善大使，经常为女性权益发声，甚至连她和丹尼尔·雷德克里夫、鲁伯特·格林特的戏外 friendship 都列得一清二楚。再或者学苏轼的《念奴娇·赤壁怀古》，好奇这位大文豪平时都和哪些人来往，搜「苏轼朋友圈」，直接跳出关系网：和他并称“唐宋八大家”的父亲苏洵、弟弟苏辙，和他唱和诗词的好友佛印，还有被贬黄州时一起种地、互相调侃的王巩，甚至连他们互相寄送的诗作标题都列得清清楚楚。
这时候你可能会纳闷：为什么现在的搜索这么“懂你”？不用翻好几页网页，答案直接送到你面前？这背后藏着的魔法，就是我们今天要认识的——知识图谱。
---
一、搜索的“进化史”：从找链接到找答案
要理解知识图谱的价值，我们得先看看没有它的时候，搜索引擎是怎么工作的。相信大部分人都经历过“传统搜索”的痛点：比如你要查“苏轼的朋友有哪些”，搜索结果前几页都是各种问答链接、博客文章，你得点进去一篇一篇看，有的文章写了十几个人，你找半天才能找到佛印的名字，有的文章还夹杂着错误信息，比如把和苏轼完全不是一个朝代的李白列成他的朋友，你得自己分辨真假。再比如你搜“鲁迅和周树人谁大”，传统搜索会出来一堆网页说“鲁迅是周树人的笔名”，但没有人告诉你周树人1881年出生，鲁迅这个笔名是1918年才开始用的，你得自己拼凑时间线才能得出答案。
传统搜索引擎的本质是关键词匹配：你输入“姚明女儿身高”，它就去海量网页里找同时包含“姚明”“女儿”“身高”这几个词的页面，再按照网页的权重、更新时间排序给你。谷歌2012年上线知识图谱之前做过统计，用户平均每次搜索需要点击3.2次网页，才能找到自己想要的准确答案，剩下的搜索结果要么是重复内容，要么是无关信息，要么是错误谣言。这种模式有三个明显的短板：
- 第一，结果太散：你要的信息可能藏在第10页的某个链接里，或者分散在好几篇文章里，你得自己拼凑；
- 第二，真假难辨：只要有网页写了“姚明女儿身高2米2”，哪怕这是谣言，也可能被排在前面，机器根本不知道这句话是对是错；
- 第三，无法回答复杂问题：你搜“姚明的妻子的女儿的身高”，传统搜索引擎根本理解不了这个嵌套关系，只能给你一堆包含关键词的网页，根本给不出直接答案。
那有没有办法让机器“看懂”知识，直接把准确的答案整理好给你？这就是知识图谱诞生的初衷。
::: tip 电子版小提示 你可以现在打开任意一个搜索引擎，搜一个你熟悉的名人，比如“袁隆平”，看看搜索结果里有没有直接跳出来的信息卡片？卡片里列了哪些内容？可以先在心里记下来，等下我们就会拆解这些内容是怎么来的。你也可以试试搜“鲁迅和周树人谁大”，看看现在的搜索结果是不是直接