知識圖譜是人工智能的重要基石，因其包含豐富的圖結(jié)構(gòu)和屬性信息而受到廣泛關(guān)注。知識圖譜可以精確語義描述現(xiàn)實世界中的各種實體及其聯(lián)系，其中頂點表示實體，邊表示實體間的聯(lián)系。知識圖譜劃分是大規(guī)模知識圖譜分布式處理的首要工作，對知識圖譜分布式存儲、査詢、推理和挖掘起基礎(chǔ)支撐作用。隨著知識圖譜數(shù)據(jù)規(guī)模及分布式處理需求的不斷增長，如何對其進(jìn)行劃分已成為目前知識圖譜研究的熱點問題。從知識圖譜和圖劃分的定義出發(fā)，系統(tǒng)性地介紹當(dāng)前知識圖譜數(shù)據(jù)劃分的各類算法，包括基本、多級、流式、分布式和其他類型圖劃分算法。首先，介紹4種基本圖劃分算法：譜劃分算法、幾何劃分算法、分支定界算法、KL及其衍生算法，這類算法通常用于小規(guī)模圖數(shù)據(jù)或作為其他劃分算法的一部分;然后，介紹多級圖劃分算法，這類算法對圖粗糙化后進(jìn)行劃分再投射回原始圖，根據(jù)粗糙化過程分為基于匹配的算法和基于聚合的算法;其次，描述3種流式圖劃分算法，這類算法將頂點或邊加載為序列后進(jìn)行劃分，包括Hash算法、貪心算法、 Fennel算法，以及這3種算法的衍生算法;再次介紹以 Kappa、JA-BEJA和輕量級重劃分為代表的分布式圖劃分算法及它們的衍生算法;同時，在其他類型圖劃分算法中，介紹近年來新興的2種圖劃分算法：標(biāo)簽傳播算法和基于查詢負(fù)載的算法。通過在合成與真實知識圖譜數(shù)據(jù)集上的豐富實驗，比較了5類知識圖鐠代表性劃分算法在劃分效果、查詢處理與圖數(shù)據(jù)挖掘方面的性能差異分析實驗結(jié)果并推廣到推理層面，獲得了基于實驗的知識圖譜劃分算法性能評價結(jié)論。最后，在對已有方法分析和比較的基礎(chǔ)上，總結(jié)目前知識圖譜數(shù)據(jù)劃分面臨的王要挑戰(zhàn)，提出相應(yīng)的研究問題，并展望未來的研究方向。