一、知識圖譜的表現形式
知識圖譜最早以結構化地三元組的結構存儲現實世界中實體與實體的關系，表示為Ç =（ε1，R，ε）；其中ε1、ε2表示實體，R表示關系。具體又可以分為ε1為頭實體，ε2為尾實體，連接頭實體和尾實體的關系又可以被稱作為屬性。
尾實體又可以被看作屬性的值。屬性值可以是具體的實體對象，如自然界中存在的物體；也可以是抽象的實體，如名稱、日期、思想觀念、興趣愛好等等。
如今，知識圖譜的知識表示絕不止限於二元關系為基礎上的三元組上，還體現在實體、屬性、類別、關系等多顆粒度，多層次語義單元的關聯之中。
二、知識圖譜的框架
從知識工程的角度來看，知識框架一般包括三個層次的知識：
- 概念知識：給出了知識的最基本的內容
- 事實知識：建立了概念之間的聯系
- 規則知識：建立了事實間的聯系
三、知識圖譜的特點
1、知識圖譜是人工智能應用中不可或缺的部分
知識圖譜在語義搜索、智慧問答系統、智能決策系統中具有廣闊的市場前景。’
2、語義表達能力強、能夠有效組織海量的數據
3、描述形式統一，便於不同類型知識的集成和融合
知識圖譜以語義網的RDF規范形式對知識體系和實例數據進行統一表示，並可以通過對齊、匹配等操作對異構知識進行集成和融合，從而支撐更豐富、更靈活的知識服務。
4、表達方式對人類友好、可以眾包
傳統的知識表述方法和知識描述語言需要知識工程師具有 一定的專業知識和技能。也就說明，普通人無法直接參與到知識的構建過程。而知識圖譜的表示方法清晰簡潔、容易為普通民眾接受，所以可以進行眾包處理。
5、可以自動獲取
由於知識圖譜是基於二元關系進行的定義和描述，因此可以通過NLP和機器學習的方式對知識進行自動的獲取，從而為大規模的知識圖譜的搭建提供了便利，減少了人工的成本。
6 、容易為計算機理解、可以進行推理
推理是知識表示中的重要的目標，傳統的 方法在知識推理的過程時復雜度很高，難以進行有效的知識推理。而知識圖譜本身的表示形式就是圖結構。利用當前的圖論算法可以有效地提高知識推理的效率
7 、存儲方式利於計算機的檢索和存儲
知識圖譜以三元組為基礎，使得數據的標准化方面更加容易推廣，相應的公交車更便於統一。結合圖數據庫技術可以大規模的存儲和檢索知識。