知识图是一个流行词。它是模型和技术的总和，以达到一定的效果。旅程的第一站是自然语言处理，本体和文本挖掘。它是人工智能的广阔领域，请转到此处进行该领域的研究调查。

在构建自己的模型之前，建议您使用专用工具箱（例如gensim）尝试不同的标准算法。您将了解tf-
idf，LDA，文档特征向量等。

我假设您要使用文本数据，如果要使用其他图像进行图像搜索，则有所不同。音频部分也一样。

建立模型只是第一步，Google知识图谱中最困难的部分是实际上每天要扩展到数十亿个请求…

可以在Apache Spark（当前的Hadoop）之上“
轻松”构建良好的处理管道。它提供了一个弹性的分布式数据存储，如果您要扩展，则必须执行此操作。

如果您希望按照图论（例如pagerank）的形式将数据保留为图，以便进行实时查询，建议您使用Bulbs，它是一种框架，“类似于图的ORM，但是使用SQL代替图遍历语言Gremlin来查询数据库”。例如，您可以将后端从Neo4j切换到OpenRDF（如果使用本体，则很有用）。

对于图形分析，可以使用Spark，GraphX模块或GraphLab。

希望能帮助到你。