2004年，万维网发明者、图灵奖获得者Tim Berners-Lee就提出了基于“语义网”的下一代Web设想，其核心思想是通过资源描述框架RDF定义Web语义空间，从而将基于统一资源定位URL和超链接文本协议HTTP的“语法互链”网络转为基于统一资源标识URI和SPARQL的“语义互联”网络。2012年，谷歌推出了基于RDF技术的大规模Web语义数据集并将其命名为“知识图谱”，该数据集被用于支撑谷歌的核心搜索业务。
知识图谱具备开放、灵活、可互操作和可解释推理的特点，因此，该技术被应用于包括但不限于Web领域的多种知识富集的人工智能应用中，包括医学、金融、工业、军事等。在医学领域中，从结构化临床数据和非结构化医学文献中可提取知识图谱，用于智能分诊、处方推荐、合理用药等辅助临床决策场景；在金融领域中，可针对复杂“人-机构-产品”的时序关联，构建多元金融知识，用于风险识别或智能推荐；在工业领域，可构建基于多模态工业实时数据抽取跨模态知识，用于辅助故障检测、工艺流程设计与优化；在军事领域，可利用背景军事知识结合实时知识流进行态势感知和威胁识别。
知识图谱技术对人工智能应用的支撑主要有两大基本方式：基于符号的知识推理和基于统计的知识表征。前者可利用语义逻辑推理给出知识推理结果，后者可利用知识资源引入额外语义特征实现数据驱动智能模型。两者都离不开大规模、高质量的知识工程技术，包括多模异构信息的知识抽取、构建和评价。本知识图谱虚拟专辑集合了知识图谱在通用领域和专用领域的新突破和新应用，为从事自然语言处理、推荐系统、知识图谱构建和知识评估等领域研究的学者和开发人员提供了借鉴。