知识图是信息的结构化表示，其中实体通过关系链接。这些图可以通过为机器提供一种清晰而有组织的方式来理解和推断基于现有数据的新信息，从而显着增强自动推理。通过在不同的知识片段之间建立联系，知识图帮助自动推理系统得出结论，做出预测，甚至更有效地回答复杂的查询。
知识图谱的一个关键方面是它们不仅能够表示事实，而且能够表示这些事实之间的关系。例如，在医疗保健知识图中，您可能具有诸如 “糖尿病” 、 “药物a” 和 “患者X” 之类的实体，这些实体具有基于治疗协议的关系。如果推理系统遇到与特定糖尿病患者可以使用的治疗有关的查询，则它可以遍历这些关系以得出明智的答案。这种能力允许机器模仿类似人类的推理过程，例如推断如果 “药物A” 对 “糖尿病” 有效，并且 “患者X” 患有 “糖尿病”，则 “药物A” 可能适合 “患者X”。
此外，知识图可以促进不完整信息的处理，这在许多现实世界中很常见。通过推理，推理引擎可以识别间隙并识别未明确说明的潜在连接。例如，如果已知 “药物B” 对糖尿病无效并且 “患者Y” 正在服用 “药物B”，则系统可以推断 “药物B” 可能不适合 “患者Y”。这种推理能力使知识图成为推荐系统，语义搜索和个性化医疗等应用程序的强大工具，在这些应用程序中，理解上下文和关系对于做出可靠的决策至关重要。