多领域发挥重要作用

知识图谱本质上是基于语义网络（semantic network）的知识库，旨在描述客观世界的概念、实体、事件及其之间的关系。

生命科学：降低研发诊断成本

由于研发新药花费较高，医药公司非常关注如何缩短新药研制周期，降低研发成本。欧盟第七框架下的开放药品平台Open Phacts项目，就是利用来自实验室的理化数据、各种期刊文献中的研究成果以及各种开放数据，包括Clinical

金融：识别及预防欺诈

金融仅次于医疗，是知识图谱应用最广泛的领域，在反欺诈、sousuo和营销方面均有深入应用。

反欺诈在金融风控中举足轻重，但基于大数据的反欺诈存在两个难点：一是如何整合不同来源的结构化和非结构化数据，并有效地识别出身份造假、团体欺诈、代办包装等欺诈案件。二是不少欺诈案件涉及复杂的关系网络，如组团欺诈。

知识图谱是基于关系的表达方式，可轻松解决以上两个问题，因此在反欺诈中获得广泛应用。首先，知识图谱可以提供非常便捷的方式来添加新的数据源。其次，知识图谱本身是直观的关系表达方式，可以帮助更有效地分析复杂关系中存在的特定的潜在风险。

农业：多媒体知识指导

大量的农业资料以不同格式分散存储，传统的关系数据库模式不适用于复杂多变的领域，无法实现定义所有可能的知识点并构建关键数据库模式，而知识图谱这种更加灵活的知识表示模型可以实现管理。利用抽取挖掘技术从各种多源异构数据中获取相应的知识，并用统一图谱进行表示，形成完整的知识库，刻画作物知识、土壤知识、肥料知识、疾病知识和天气知识等。通过图谱关联到图片信息，形成多媒体知识图谱，病变图片信息相比专业知识更加直观，也更方便农民使用。

赋能认知智能

知识图谱对于人工智能的价值在于让机器具备了认知能力。机器认知智能在应用方面是广泛、多样的，体现在精准分析、智慧sousuo、智能推荐、智能解释、更自然的人机交互和深层关系推理等多个方面。

智能分析

由于缺乏诸如知识图谱此类背景知识，各类工具理解大数据的手段有限，限制了基于大数据的精准与精细分析，大大降低了大数据的潜在价值。因此尽管越来越多的行业或者企业积累了规模可观的数据，但这些数据非但未能创造价值，甚至可能因消耗大量的运维成本而成为负资产。

知识图谱的发展提供了强大的背景知识支撑，可以赋能舆情分析、商业洞察、军事情报分析和商业情报分析此类基于大数据的精准分析。

知识图谱和基于此的认知智能为精细分析提供了可能。如汽车制造厂商等制造企业都希望实现个性化制造运用于精细分析案例。知识图谱构建关于汽车评价的背景知识，如汽车的车型、车饰、动力、能耗等，提取消费者对汽车的褒贬态度、消费者改进建议、竞争品牌等评价与反馈，并以此为据实现按需与个性化定制。

自然人机交互

人机交互将会变得更简单自然。自然人机交互包括自然语言问答、对话、体感交互、表情交互等，需要机器能够理解人类的自然语言，要求其具有较高认知智能水平及强大的背景知识。会话式(Conversational UI)、问答式(QA)交互将逐步代替传统的关键字sousuo式交互。

深刻影响社会结构

以深度学习为代表的人工智能获得巨大进展，但深度学习的不透明性、不可解释性已成为制约其发展的障碍，“理解”与“解释”是人工智能需要攻克的下一个挑战，而知识图谱为“可解释的人工智能”提供了全新的视角和机遇，并带来新科技、商业和社会新纪元—认知时代的黎明。

对于人类而言，知识图谱赋能人工智能之后，将增强人类的能力，让我们可以理解和运作社会中复杂的系统，提升我们驾驭科技的能力，改善人类的生存环境，人类与机器的交互将更加自然、有预见性、有情感性。