知识图谱属于哪个领域：交叉归属，分场景判定

知识图谱属于哪个领域，标准答案是它属于人工智能下属知识工程分支，同时横跨数据库、自然语言处理领域，你做学术选题时优先归类到知识工程，做工程开发时归入NLP与图数据库方向，仅做数据存储查询时划入图数据库范畴，该判定方式不适用于只做传统关系型数据库开发、不涉及实体关系抽取的业务人员。知识图谱本质是结构化语义知识库，用节点代表实体、边代表实体之间的关系，能把零散文本信息转化为机器可读的关联网络，检索、推荐、风控、智能问答都是它常见落地场景。

知识图谱的上层归属

知识工程是人工智能里成型较早的子方向，起源于专家系统研究，核心目标是让计算机获取、表达、推理人类知识。知识图谱继承知识工程的知识表示、知识推理思路，相比早期专家系统，它更侧重大规模开放域知识的构建，不再局限于小范围专业规则。国内高校计算机学院的人工智能研究所，大多把知识图谱课题放在知识工程课题组下。

知识图谱不等同于通用大模型。

知识图谱关联的技术领域

自然语言处理承担知识图谱的原材料加工工作，实体识别、关系抽取、属性抽取这些核心步骤，都依靠NLP模型从非结构化文本里提取信息，没有文本解析能力，就很难半自动搭建图谱。很多企业里的知识图谱项目组，人员主体是NLP算法工程师，搭配少量图引擎开发人员。

图数据库负责知识图谱的存储与查询，Neo4j、NebulaGraph这类图引擎专门适配节点和关系的遍历查询，和MySQL这类关系库的查询逻辑差异明显。如果你只负责图谱的数据存储、路径查询、可视化展示，不参与知识抽取与推理，工作内容会更偏向数据库研发方向。

知识图谱的应用所属领域

落地应用层面，知识图谱可以下沉到很多行业，行业应用本身不改变它底层技术归属。金融领域用来搭建风控图谱，串联企业、法人、交易流水；医疗领域搭建病症、药品、检查项目的关联库；文旅、政务、工业运维也都有对应的行业知识图谱。这些行业应用属于行业数字化应用，技术底座依旧是人工智能知识工程。

计算机科学技术学科下，教育部发布的研究生学科方向目录里，知识图谱相关研究归类在计算机应用技术方向，归属于一级学科计算机科学与技术。你填写课题申报、论文学科分类时，可以直接选用这个归类。

很多初学者容易混淆语义网和知识图谱，语义网偏向一套互联网语义互联标准，知识图谱是语义网思想落地的工程产物，二者同源，但语义网偏向标准体系，知识图谱偏向可落地的知识库产品。

纯手工录入、只做简单展示、没有自动抽取和推理能力的简易关系图，一般不认定为标准意义上的知识图谱，只能算作实体关系示意图。