在美剧《国土安全》里常出现这样的桥段：警员在自己家里理出一面墙，把手上案件里的所有关联人物和事件都贴在墙上，然后就是一个填肉的过程......照片、箭头和关键词组成一幅复杂的事件全貌。
——找到那个罪犯。
这几乎是所有悬疑电影的经典场景。整个案件唯一的破绽就藏在这张关系网络里，推理者的视线在这面墙上流转，观众的肾上腺素也被极速调动起来。
图源：《国土安全》剧照
我们会觉得这是合理的，设想中人类最敏锐的大脑可以穿破墙上的迷雾——如果墙上只有5个家庭，10个嫌疑人，和关于他们的件事的话。
但如果把这面墙无限扩大，比如1亿个嫌疑人，亿件事呢？
看起来这已远超人脑的负载极限，但我们可能已经见过这样的事了——或许你我的手机里就正在经历这些——比如各式各样的知识图谱，以及在它底层，一个抽象出来叫做图计算的技术概念。
图计算缘起
“Things,notstrings.”（是相互连接的事件，而不只是一个个字符串）
Google在01年5月提出了这句话，以及知识图谱的概念。
知识图谱，由知识（Knowledge）和图谱（Graph）两个词构成，前者是信息的内容要素，后者是信息最终的表现形态。这种信息间全新的连接方式，其基本组成单位是“实体—关系—实体”三元组，以及实体及其相关属性—值对，实体之间通过关系相互联结，构成网状的知识结构。
知识图谱能够成立的核心是计算机的知识推理机制，图计算为其提供了重要的底层技术支持。
图计算中的“图”即Graph，这是一种基于图论而非数论的计算逻辑。
图论的基本要素是“节点”和“边”，“节点”可以理解为人或者网络账号这些相对静态的实体，而“边”则代表着不同实体之间的关系或者行为。
比如A在抖音上