在知識表示和推理中，知識圖譜是使用圖結構的數據模型或拓撲來集成數據的知識庫。 知識圖譜通常用于存儲實體（對象、事件、情況或抽象概念）的相互關聯的描述，同時還對所用術語的語義進行編碼。

自語義網發展以來，知識圖譜往往與關聯的開放數據項目相關聯，側重于概念與實體之間的聯系。 它們還與 Google、Bing、Yext 和 Yahoo 等搜索引擎密切相關并被其使用； 知識引擎和問答服務，例如 WolframAlpha、Apple 的 Siri 和 Amazon Alexa； 和社交網絡，例如 LinkedIn 和 Facebook。

早在 1972 年，奧地利語言學家埃德加·W·施耐德 (Edgar W. Schneider) 在討論如何為課程構建模塊化教學系統時就創造了該術語。 在 1980 年代后期，格羅寧根大學和特溫特大學聯合啟動了一個名為知識圖譜的項目，重點研究邊緣限制在一組有限關系中的語義網絡的設計，以促進圖上的代數。 在隨后的幾十年里，語義網絡和知識圖譜之間的區別變得模糊。

一些早期的知識圖是特定主題的。 1985 年，Wordnet 成立，捕獲單詞和含義之間的語義關系——將這一思想應用于語言本身。 2005 年，Marc Wirk 創立了 Geonames，以捕獲不同地理名稱和區域設置以及關聯實體之間的關系。 1998 年，英國 Science in Finance Ltd 的 Andrew Edmonds 創建了一個名為 ThinkBase 的系統，該系統在圖形環境中提供基于模糊邏輯的推理。

2007 年，DBpedia 和 Freebase 作為通用知識的基于圖的知識庫成立。 DBpedia 專注于從維基百科中提取的數據，而 Freebase 還包括一系列公共數據集。 他們都沒有將自己描述為“知識圖譜”，而是發展和描述了相關概念。

2012 年，谷歌推出了他們的知識圖，建立在 DBpedia 和 Freebase 等來源之上。 他們后來合并了從索引網頁中提取的 RDFa、微數據和 JSON-LD 內容，包括 CIA World Factbook、Wikidata 和 Wikipedia。 使用 schema.org 詞匯表中的術語進一步組織了與此知識圖關聯的實體和關系類型。 谷歌知識圖成為谷歌內部基于字符串的搜索的成功補充，它在網上的流行使該術語得到更廣泛的使用。

從那時起，幾家大型跨國公司宣傳了他們的知識圖譜用途，進一步普及了該術語。 其中包括 Facebook、LinkedIn、Airbnb、Microsoft、Amazon、Uber 和 eBay。

2019年，IEEE將每年一度的大知識與數據挖掘和智能計算國際會議合并為知識圖譜國際會議。

知識圖譜沒有一個普遍接受的定義。 大多數定義通過語義 Web 鏡頭查看主題并包括以下功能：

• 主題領域知識之間的靈活關系：知識圖譜 (i) 定義模式中實體的抽象類和關系，(ii) 主要描述現實世界中的實體及其相互關系，在圖中組織，(iii) 允許 可能將任意實體相互關聯，并且 (iv) 涵蓋各種主題領域。
• 一般結構：實體網絡、它們的語義類型、屬性和關系。
• 支持對推斷本體的推理：知識圖譜獲取信息并將其整合到本體中，并應用推理器推導出新知識。

然而，有許多知識圖表示與其中一些特征不相關。 對于那些知識圖，這個更簡單的定義可能更有用：

• 一種數字結構，將知識表示為概念以及它們之間的關系（事實）。 知識圖可以包含一個本體，讓人類和機器都能理解和推理其內容。

除了上面的例子，這個詞還被用來描述開放知識項目，比如 YAGO 和維基數據； 聯合開放數據云等聯盟； 一系列商業搜索工具，包括雅虎的語義搜索助手 Spark、谷歌的知識圖譜和微軟的 Satori； 以及 LinkedIn 和 Facebook 實體圖。

該術語還用于允許用戶構建個人知識圖譜的筆記軟件應用程序的上下文中。

知識圖譜通過描述實體及其關系正式表示語義。