伴随着大数据时代的到来，人工智能解决方案知识图谱的数据源不再局限于百科半结构化数据和各种网络数据类型。这一类型的人工智能解决方案知识图谱就是利用机器学习和信息提取技术来自动获取Web上的信息，它更注重于知识清洗、知识融合和知识表示技术。当前，大部分人工智能解决方案知识图谱的构造都是以自下而上的方式进行，包括知识获取、知识融合和知识加工三个阶段。因为因特网上存在大量的异构资源，本体数据通常不能通过自顶向下预定义或直接获得。自下而上就成为当前人工智能解决方案知识图谱构建的主要模式，即先获得人工智能解决方案知识图谱的实体数据，通过知识获取、知识融合、知识加工和知识更新等方式构建图谱本体。通过概念层次学习、机器学习等手段，实现半结构化和非结构化数据的获取。通过不同类型的知识库，可以通过语义集成等方式进行知识融合。另外，对融合后的新知识还需要进一步加工，目的是实现质量评估，以确保知识库的质量。

以知识图为基础的服务与应用是人工智能研究的热点。目前，人工智能解决方案知识图谱的应用可归纳为三个方面：语义检索、知识问答、大数据知识分析和决策。

基于人工智能解决方案知识图谱中良好定义的结构形式，语义检索通过建立大规模数据库来实现关键字和文档内容的语义标注，从而提高检索效率。

人工智能解决方案知识图谱产品，它通过整合碎片化的语义信息，对用户的搜索进行逻辑推荐和计算，并将核心知识反馈给用户，致力于构建庞大的普遍性的知识网，以图文并茂的形式展示知识的各个方面。