知识图谱的应用，大致可以分为两类：通用知识图谱和行业知识图谱。我们日常生活中接触最多的是通用知识图谱，如：Wikipedia，百度百科就属于这一类；行业知识图谱更多是相面某个特定的行业或者专业领域，如治疗、金融、法律行业的智能客服。下面我们来简单了解一下这两类的区别。

下述部分资料引用自@PlantData

一、通用知识图谱

Google最初提出的知识图谱是面向全领域的通用知识图谱。

常识也可以称为普通知识，即一个生活在社会中的心智健全的成年人所应该具备的基本知识，包括生存技能（生活自理能力）、基本劳作技能、基础的自然科学以及人文社会科学知识等。这句话就是常识，百度百科给的。

通过对知识分析后可分解成多个互相关联的【实体-关系-实体】或【实体-属性-值】，各组成部分间有明确的层次结构，其使用和维护通过数据库进行管理，并有一定的操作规范。

强调的是广度，因而强调更多的是实体，很难生成完整的全局性的本体层的统一管理。

主要应用于面向互联网的搜索、推荐、问答等业务场景。主要目的是让普通用户能理解、能使用。

二、行业知识图谱

指面向特定领域的知识图谱，对某一领域知识的深入挖掘。

有严格与丰富的数据模式，行业知识图谱中的实体通常属性比较多且具有行业意义。

通过对行业术语、资料的语义进行处理，从而形成某一个行业专用的知识图谱，如何通过语义技术构建行业知识图谱，会在后续的文章中进行分享。

强调的是深度，对准确度要求非常高，通常用于辅助各种复杂的分析应用或决策支持。

目标对象需要考虑行业中各种级别的人员，不同人员对应的操作和业务场景不同，因而需要一定的深度与完备性。

· 通用知识图谱的广度，行业知识图谱的深度，相互补充，形成更加完善的知识图谱。

· 通用知识图谱中的知识，可以作为行业知识图谱构建的基础；而构建的行业知识图谱，再融合到通用知识图谱中。

目前AI的应用，需要在某个最小化的业务场景中进行试验，更多的是需要对特定行业的深度挖掘，而行业知识谱图恰恰符合这一特性；至于通用知识图谱，就交给大公司吧：）