本体（Ontology）与知识图谱（Knowledge Graph）的区别
在知识工程、语义网和人工智能的圈子里，本体（Ontology）和知识图谱（Knowledge Graph）就像一对形影不离的“双胞胎”——经常被一起提起，但也常常被混淆。最直接的理解是：本体定义知识该怎么组织，知识图谱则负责存储具体知识。用盖房子来打比方：本体就是那张建筑设计图，标明了房间、楼层、管线的结构关系；知识图谱则是建好的实景房，里面装满了具体的房间、家具和住户信息。
什么是本体（Ontology）
本体是一种对领域知识进行形式化描述的方法，核心目标就是定义某个领域里的核心概念、属性，以及概念之间的关联。举个例子，在医疗领域，本体可能会明确“医生”“患者”“疾病”“药物”这些概念，并且规定“医生可以治疗患者”“患者可能患有疾病”“药物可以治疗疾病”这类关系。所以，本体关注的点很明确：
- 领域中有哪些概念（Classes）
- 概念具备哪些属性（Properties）
- 概念之间允许存在什么关系（Relations）
- 这些关系受到哪些约束
本质上，本体就是一套语义规则和概念模型，回答的是“这个领域中的事物应该如何被定义和理解”。因此，它属于知识体系中的概念层（Conceptual Layer）或模式层（Schema Layer）。
什么是知识图谱（Knowledge Graph）
知识图谱则是在本体定义的框架下，把现实世界中的实体及其关系组织和表示成一张知识网络。比如下面这些具体事实：
- 张三是一名医生
- 李四是一名患者
- 李四患有感冒
- 张三治疗李四
这些都不是抽象规则，而是实实在在发生过的事情。在知识图谱里，“张三”“李四”“感冒”是实体（Entity），“治疗”“患有”是关系（Relation），它们共同构成了图结构。因此，知识图谱关心的是“现实世界中到底有哪些对象，以及它们之间发生了什么关系”。它属于知识体系中的数据层（Data Layer）或实例层（Instance Layer）。
本体与知识图谱的核心区别
说得直白点，两者的区别就是“规则”和“事实”的区别。下面这张表格可以一目了然：
| 维度 | 本体（Ontology） | 知识图谱（Knowledge Graph） |
|---|---|---|
| 关注对象 | 概念和语义规则 | 实体和事实数据 |
| 作用 | 定义知识结构 | 存储和组织知识 |
| 层次 | 模式层（Schema） | 实例层（Instance） |
| 内容 | 类、属性、关系约束 | 实体、关系、事实 |
| 类似于 | 数据库Schema | 数据库记录 |
| 回答的问题 | 什么是医生？ | 谁是医生？ |
举个例子：本体规定“医生可以治疗患者”，而知识图谱记录“张三治疗李四”；本体规定“患者可以患有疾病”，而知识图谱记录“李四患有感冒”。前者是规则的抽象，后者是事实的具体。
二者之间的关系
知识图谱通常建立在本体之上。本体负责定义一套统一的语义规范，知识图谱则按照这些规范来组织具体数据。可以这样理解：本体是骨架，知识图谱是血肉。没有本体，图谱中的数据关系会缺乏统一标准；没有知识图谱，本体只是一堆抽象规则，无法承载真实知识。在实际系统中，典型的结构是：
本体（Ontology） → 模式层（Schema） → 知识图谱（Knowledge Graph）
本体提供语义约束，知识图谱提供事实内容，两者合在一起才能构成完整的知识表示体系。
从语义网技术角度理解
在语义网（Semantic Web）技术栈里，本体和知识图谱对应着不同层面的标准。例如，RDF（Resource Description Framework）主要负责表示事实数据，以三元组形式存储知识，比如：
（张三，治疗，李四）
为什么知识图谱离不开本体
随着知识规模不断膨胀，仅仅存储实体和关系已经无法保证数据的一致性和可解释性。设想一下，同一个系统里同时出现了“Doctor”“Physician”“医生”这些词——如果没有统一的本体规范，系统很难判断它们是不是同一个概念。本体就是那个提供统一语义标准的“定海神针”，让知识图谱能够实现：概念统一、数据融合、逻辑推理、语义检索、知识共享。这正是为什么在医疗、金融、政务、工业这些领域，构建知识图谱时首先要设计本体。
AI时代下的变化
在传统知识工程体系里，知识组织的流程通常是：
Ontology → Knowledge Graph → Reasoning
文本数据 → Embedding → 向量数据库 → LLM
把本体和知识图谱的关系总结为一句话：
