“Context Graph”（上下文图）是一种用于表示和组织信息之间关系的图形化结构，常用于知识表示、自然语言处理、推荐系统、语义搜索、人工智能等领域。它通过节点（代表实体、概念或事件）和边（代表它们之间的关系或上下文联系）来建模复杂的语义网络。
核心特点：
-
节点（Nodes）
-
边（Edges）
-
上下文感知（Context-aware）
-
动态构建
应用场景举例：
智能客服：根据用户当前对话历史构建上下文图，理解意图并提供精准回答。
个性化推荐：结合用户行为、时间、地点等上下文构建兴趣图谱。
文档理解：从一篇论文中提取实体和关系，构建该文档专属的上下文图。
多跳问答（Multi-hop QA）：通过在上下文图中推理路径回答复杂问题。
与知识图谱（Knowledge Graph）的区别：
| 特性 | 知识图谱 | Context Graph |
|---|---|---|
| 范围 | 全局、静态、通用 | 局部、动态、特定上下文 |
| 构建方式 | 预先构建（如 Wikidata、DBpedia） | 按需生成（基于当前输入） |
| 更新频率 | 低频更新 | 实时或近实时 |
| 目的 | 存储结构化世界知识 | 支持特定任务的语义理解 |
