1.知识图谱的简介
知识图谱（Mapping Knowledge Domain）也被称为科学知识图谱，在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。
具体来说，知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。它把复杂的知识领域通过数据挖掘、信息处理、知识计量和图形绘制而显示出来，揭示知识领域的动态发展规律，为学科研究提供切实的、有价值的参考。迄今为止，其实际应用在发达国家已经逐步拓展并取得了较好的效果，但它在我国仍属研究的起步阶段。
2.知识图谱的介绍
知识图谱，也称为科学知识图谱，它通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。为学科研究提供切实的、有价值的参考。
3.如何构建知识图谱
自己建吗可以下载图谱软件构建可以参考一下这个SPSS： 大型统计分析软件，商用软件。
具有完整的数据输入、编辑、统计分析、报表、图形绘制等功能。常用于多元统计分析、数据挖掘和数据可视化。
Bibexcel： 瑞典科学计量学家Persoon开发的科学计量学软件，用于科学研究免费软件。具有文献计量分析、引文分析、共引分析、耦合分析、聚类分析和数据可视化等功能。
可用于分析ISI的SCI、SSCI和A&HCI文献数据库。HistCite: Eugene Garfield等人于2001年开发的科学文献引文链接分析和可视化系统，免费软件。
可对ISI的SCI、SSCI和SA&HCI等文献数据库的引文数据进行计量分析，生成文献、作者和期刊的引文矩阵和实时动态引文编年图。直观的反映文献之间的引用关系、主题的宗谱关系、作者历史传承关系、科学知识发展演进等。
CiteSpace： 陈超美博士开发的专门用于科学知识图谱绘制的免费软件。国内使用最多知识图谱绘制软件。
可用于追踪研究领域热点和发展趋势，了解研究领域的研究前沿及演进关键路径，重要的文献、作者及机构。可用于对ISI、CSSCI和CNKI等多种文献数据库进行分析。
TDA: Thomson Data Analyzer(TDA)是Thomson集团基于VantagePoint开发文献分析工具。商用软件。
具有去重、分段等数据预处理功能；可形成共现矩阵、因子矩阵等多种分析矩阵；可使用Pearson、Cosine等多种算法进行数据标准化；可进行知识图谱可视化展示。Sci2 Tools： 印第安纳大学开发的用于研究科学结构的模块化工具可从时间、空间、主题、网络分析和可视化等多角度，分析个体、局部和整体水平的知识单元。
ColPalRed: Gradnada大学开发的共词单元文献分析软件。商用软件。
结构分析，在主题网络中展现知识（词语及其关系）；战略分析，通过中心度和密度，在主题网络中为主题定位；动态分析，分析主题网络演变，鉴定主题路径和分支。Leydesdorff： 系类软件。
阿姆斯特丹大学Leydesdorff开发的这对文献计量的小程序集合。处理共词分析、耦合分析、共引分析等知识单元体系。
使用“层叠图”实现可视化知识的静态布局和动态变化。Word Smith： 词频分析软件。
可将文本中单词出现频率排序和找出单词的搭配词组。NWB Tools： 印第安纳大学开发的对大规模知识网络进行建模、分析和可视化工具. 数据预处理；构建共引、共词、耦合等多种网络；可用多种方法进行网络分析；可进行可视化展示.Ucinet NetDraw: Ucinet是社会网络分析工具。
包括网络可视化工具Net Draw。用于处理多种关系数据，可通过节点属性对节点的颜色、形状和大小等进行设置。
用于社交网络分析和网络可视化。Pajek： 来自斯洛文尼亚的分析大型网络的社会网络分析免费软件。
Pajek基于图论、网络分析和可视化技术，主要用于大型网络分解，网络关系展示，科研作者合作网络图谱的绘制。VOSviewer： 荷兰莱顿大学开发的文献可视化分析工具。
使用基于VOS聚类技术技术实现知识单元可视化工具。突出特点可视化能力强，适合于大规模样本数据。
四种视图浏览：标签视图、密度视图、聚类视图和分散视图。[4]陈悦， 刘则渊， 陈劲等. 科学知识图谱的发展历程[J]. 科学学研究， 2008, (03): 449-460.[5]Shiffrin, R.M., and Katy Börner. Mapping Knowledge Domains[C]. Proc. Proceedings of the National Academy of Sciences of the United States of America pp. 5183-5185.[6]Börner, K., Chen, C.和Boyack, K.W. Visualizing knowledge domains[J]. Annual review of information science and technology, 2003, 37, (1): 179-255.[7]CM, C. CiteSpace II: Detecting and visualizing emerging trends and transient patterns in scientific literature[J]. Journal of the American Society for Information Science and Technology, 2006, 57, (3): 359-377.[8]陈悦和刘则渊. 悄然兴起的科学知识图谱[J]. 科学学研究， 2005, (02): 149-154.[9]邱均平. 信息计量学[M]. （武汉大学出版社， 2007. 2007）.[10]沙勇忠和牛春华. 信息分析[M]. （科学出版社， 2009. 2009）.[11]塞沃尔， 建军和煦. 链接分析： 信息科学的研究方法[M]. （东南大学出版社， 2009. 2009）.[12]Egghe, L.和Rousseau, R. Introduction to informetrics: Quantitative methods in library, documentation and information science[J]. 1990[13]韩家炜， 坎伯， 裴健等. 数据挖掘： 概念与技术[M]. （机械工业出版社， 2007. 2007）.[14]Wasserman, S. Social network analysis: Methods and applications[M]. (Cambridge university press, 1994. 1994).[15]Persson, O., R. Danell, J. Wiborg Schneider. How to use Bibexcel for various types of bibliometric analysis[C]. Proc. International Society for Scientometrics and Informetrics., Leuven, Belgium2009 pp. 9–24.[16]Yang, Y., Akers, L., Klose, T.等. Text mining and visualization tools–impressions of emerging capabilities[J]. World Patent Information, 2008, 30, (4): 280-293.[17]Börner, K., Huang, W., Linnemeier, M.等. Rete-netzwerk-red: analyzing and visualizing scholarly networks 。
4.知识图谱的简介
知识图谱（Mapping Knowledge Domain）也被称为科学知识图谱，在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。
具体来说，知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。它把复杂的知识领域通过数据挖掘、信息处理、知识计量和图形绘制而显示出来，揭示知识领域的动态发展规律，为学科研究提供切实的、有价值的参考。迄今为止，其实际应用在发达国家已经逐步拓展并取得了较好的效果，但它在我国仍属研究的起步阶段。
5.知识地图和知识图谱的区别
仅供参考
知识地图是一种知识（既包括显性的、可编码的知识，也包括隐性知识）导航系统，并显示不同的知识存储之间重要的动态联系。它是知识管理系统的输出模块，输出的内容包括知识的来源，整合后的知识内容，知识流和知识的汇聚。它的作用是协助组织机构发掘其智力资产的价值，所有权，位置和使用方法；使组织机构内各种专家技能转化为显性知识并进而内化为组织的知识资源；鉴定并排除对知识流的限制因素；发挥机构现有的知识资产的杠杆作用。
知识图谱，也称为科学知识图谱，它通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。为学科研究提供切实的、有价值的参考。
知识图谱（Mapping Knowledge Domain）也被称为科学知识图谱，在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。
具体来说，知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。它把复杂的知识领域通过数据挖掘、信息处理、知识计量和图形绘制而显示出来，揭示知识领域的动态发展规律，为学科研究提供切实的、有价值的参考。迄今为止，其实际应用在发达国家已经逐步拓展并取得了较好的效果，但它在我国仍属研究的起步阶段。
6.如何构建知识图谱
自己建吗可以下载图谱软件构建可以参考一下这个SPSS： 大型统计分析软件，商用软件。
具有完整的数据输入、编辑、统计分析、报表、图形绘制等功能。常用于多元统计分析、数据挖掘和数据可视化。
Bibexcel： 瑞典科学计量学家Persoon开发的科学计量学软件，用于科学研究免费软件。具有文献计量分析、引文分析、共引分析、耦合分析、聚类分析和数据可视化等功能。
可用于分析ISI的SCI、SSCI和A&HCI文献数据库。HistCite: Eugene Garfield等人于2001年开发的科学文献引文链接分析和可视化系统，免费软件。
可对ISI的SCI、SSCI和SA&HCI等文献数据库的引文数据进行计量分析，生成文献、作者和期刊的引文矩阵和实时动态引文编年图。直观的反映文献之间的引用关系、主题的宗谱关系、作者历史传承关系、科学知识发展演进等。
CiteSpace： 陈超美博士开发的专门用于科学知识图谱绘制的免费软件。国内使用最多知识图谱绘制软件。
可用于追踪研究领域热点和发展趋势，了解研究领域的研究前沿及演进关键路径，重要的文献、作者及机构。可用于对ISI、CSSCI和CNKI等多种文献数据库进行分析。
TDA: Thomson Data Analyzer(TDA)是Thomson集团基于VantagePoint开发文献分析工具。商用软件。
具有去重、分段等数据预处理功能；可形成共现矩阵、因子矩阵等多种分析矩阵；可使用Pearson、Cosine等多种算法进行数据标准化；可进行知识图谱可视化展示。Sci2 Tools： 印第安纳大学开发的用于研究科学结构的模块化工具可从时间、空间、主题、网络分析和可视化等多角度，分析个体、局部和整体水平的知识单元。
ColPalRed: Gradnada大学开发的共词单元文献分析软件。商用软件。
结构分析，在主题网络中展现知识（词语及其关系）；战略分析，通过中心度和密度，在主题网络中为主题定位；动态分析，分析主题网络演变，鉴定主题路径和分支。Leydesdorff： 系类软件。
阿姆斯特丹大学Leydesdorff开发的这对文献计量的小程序集合。处理共词分析、耦合分析、共引分析等知识单元体系。
使用“层叠图”实现可视化知识的静态布局和动态变化。Word Smith： 词频分析软件。
可将文本中单词出现频率排序和找出单词的搭配词组。NWB Tools： 印第安纳大学开发的对大规模知识网络进行建模、分析和可视化工具. 数据预处理；构建共引、共词、耦合等多种网络；可用多种方法进行网络分析；可进行可视化展示.Ucinet NetDraw: Ucinet是社会网络分析工具。
包括网络可视化工具Net Draw。用于处理多种关系数据，可通过节点属性对节点的颜色、形状和大小等进行设置。
用于社交网络分析和网络可视化。Pajek： 来自斯洛文尼亚的分析大型网络的社会网络分析免费软件。
Pajek基于图论、网络分析和可视化技术，主要用于大型网络分解，网络关系展示，科研作者合作网络图谱的绘制。VOSviewer： 荷兰莱顿大学开发的文献可视化分析工具。
使用基于VOS聚类技术技术实现知识单元可视化工具。突出特点可视化能力强，适合于大规模样本数据。
四种视图浏览：标签视图、密度视图、聚类视图和分散视图。[4]陈悦， 刘则渊， 陈劲等. 科学知识图谱的发展历程[J]. 科学学研究， 2008, (03): 449-460.[5]Shiffrin, R.M., and Katy Börner. Mapping Knowledge Domains[C]. Proc. Proceedings of the National Academy of Sciences of the United States of America pp. 5183-5185.[6]Börner, K., Chen, C.和Boyack, K.W. Visualizing knowledge domains[J]. Annual review of information science and technology, 2003, 37, (1): 179-255.[7]CM, C. CiteSpace II: Detecting and visualizing emerging trends and transient patterns in scientific literature[J]. Journal of the American Society for Information Science and Technology, 2006, 57, (3): 359-377.[8]陈悦和刘则渊. 悄然兴起的科学知识图谱[J]. 科学学研究， 2005, (02): 149-154.[9]邱均平. 信息计量学[M]. （武汉大学出版社， 2007. 2007）.[10]沙勇忠和牛春华. 信息分析[M]. （科学出版社， 2009. 2009）.[11]塞沃尔， 建军和煦. 链接分析： 信息科学的研究方法[M]. （东南大学出版社， 2009. 2009）.[12]Egghe, L.和Rousseau, R. Introduction to informetrics: Quantitative methods in library, documentation and information science[J]. 1990[13]韩家炜， 坎伯， 裴健等. 数据挖掘： 概念与技术[M]. （机械工业出版社， 2007. 2007）.[14]Wasserman, S. Social network analysis: Methods and applications[M]. (Cambridge university press, 1994. 1994).[15]Persson, O., R. Danell, J. Wiborg Schneider. How to use Bibexcel for various types of bibliometric analysis[C]. Proc. International Society for Scientometrics and Informetrics., Leuven, Belgium2009 pp. 9–24.[16]Yang, Y., Akers, L., Klose, T.等. Text mining and visualization tools–impressions of emerging capabilities[J]. World Patent Information, 2008, 30, (4): 280-293.[17]Börner, K., Huang, W., Linnemeier, M.等. Rete-netzwerk-red: analyzing and visualizing scholarly networks using the Netwo。
7.怎么用知识图谱写论文
科学知识图谱，属于科学计量学的范畴，是以科学知识为计量研究对象，显示科学知识的发展进程与结构关系的一种图形。科学知识图谱是以科学计量学理论、图书情报学理论及信息可视化理论等为基础，采用引文分析方法、词频分析方法及多元统计分析方法等对某一学科知识或领域内的研究前沿、研究热点、权威人物、经典文献、核心期刊、研究演进历程与趋势等进行直观可视分析的一种科学研究方法。知识图谱的特点可以概括为以下几个方面：（1）学科或相关领域研究的直观可视分析；（2）学科或相关领域研究的客观计量分析；（3）学科或相关领域研究进程与展望探测等。
二、科学知识图谱在高校本科毕业论文写作中的功效
科学知识图谱在研究生、博士生毕业论文写作尤其是文献综述中已被广泛使用，并取得了较好的效果。经过实践调研发现，在本科毕业论文选题、文献综述及后续写作等方面，科学知识图谱同样可以帮助学生在有限的时间内快速、准确、直观地了解某一学科或领域内的研究基本情况，包括研究热点、研究前沿、研究历史进程、研究网络与知识基础、研究群体及亲缘关系等等，为毕业论文的准确选题、国内外文献的科学综述，论文研究内容的创新化及研究成果的实践化打下良好的基础，大大提高了论文写作的效率与质量，有利于提升学生的创新能力和科研水平，使得毕业论文的写作可以达到事半功倍的效果。
1.文献综述方面
高校本科学生要在较短时间内的进行国内外相关研究文献的收集、整理与分析、汇总工作，最后以文献综述的形式出现在论文的第一部分之中。论文综述的写作对于相关领域研究前沿、研究热点的科学、准确界定，毕业论文选题及后续写作的创新性、科学性等来说至关重要。通过调研发现，目前高校本科学生在校期间很少能够充分了解国内外相关学科或领域的研究概况，如该学科或领域中的研究主题、经典文献、权威作者、核心期刊、研究合作群体等，而科学知识图谱的一些分析方法，如来源分析方法、词频共现方法、共被引分析方法、引文分析方法等则恰好能够满足本科学生渴望对学科或领域研究基本情况进行充分了解的迫切需求，对于高度概括国内外的研究现状，开展科学的研究述评，明确毕业论文写作的理论意义和现实意义具有较大的帮助。
8.知识图谱怎样入门
知识图谱作为一门学问，绝不是用个图数据库写几条查询，或者用规则写一个表格的提取，就可以称为成功的运用的。和所有的学科一样，都需要长期的艰苦的努力，在充分了解前人成果的基础上，才有可能做出一点点成绩。
知识图谱作为人工智能（AI）的一个分支，和AI的其他分支一样，它的成功运用，都是需要知道它的所长，更需要知道它的所短的。特别是AI各个学派林立，经验主义（机器学习）、连接主义（神经网络）、理性主义（知识工程）、行为主义（机器人）各个方法的优劣，倘若不能有纵览的理解，也难以做正确的技术选型，往往盲目相信或者排斥一种技术。AI是一个极端需要广阔视野的学科。
知识图谱涉及知识提取、表达、存储、检索一系列技术，即使想有小成，也需要几年的功夫探索。如下所列，应该是每个知识图谱从业者都应该了解的一些基本功：
知道Web的发展史，了解为什么互联和开放是知识结构形成最关键的一件事。（我把这个列第一条，是我的偏见——但我认为这是最重要的一个insights）
知道RDF,OWL,SPARQL这些W3C技术堆栈，知道它们的长处和局限。会使用RDF数据库和推理机。
了解一点描述逻辑基础，知道描述逻辑和一阶逻辑的关系。知道模型论，不然完全没法理解RDF和OWL。
了解图灵机和基本的算法复杂性。知道什么是决策问题、可判定性、完备性和一致性、P、NP、NExpTime。
最好再知道一点逻辑程序（Logic Programming），涉猎一点答集程序（Answer Set Programming），知道LP和ASP的一些小工具。这些东西是规则引擎的核心。如果不满足于正则表达式和if-then-else，最好学一点这些。
