基于电子商务平台上亿级的庞大商品库，电子商务交易得以不断增长。
为了更好地支持日常业务，需要将这些海量的商品以一种更优的方式进行描述、存储和计算，并且需要支持融合不同来源的数据，建立实体之间的语义连接，因此采用了知识图谱这种数据构架。
阿里巴巴积累了上千亿规模的商品数据作为商品知识图谱，这些数据来源于淘宝、天猫、阿里巴巴等在内的多个阿里旗下平台，囊括了品牌制造商、消费者、国家机构、物流提供商等多方利益相关者的数据。
从知识产权保护或购物体验的角度来看，商品信息的标准化和内外部数据的深度关联挖掘，对电子商务业务至关重要。
利用自然语言处理、语义推理和深度学习方法的最新进展，通过提供产品的全球概况、假冒产品治理、行业运营的完整产品信息，可以为搜索业务、推荐业务、平台治理、智能问答等开发人工智能相关服务，为消费者提供更好的使用体验。
目前，商品知识图谱包含标准产品、标准品牌、标准条码和标准分类四个关键组成部分，集成了公众情感、百科全书、国家行业标准等九大本体论数据集，运用实体识别、实体链接、语义分析等方法构建了大规模的知识图谱。
目前，商品知识图谱包含700多亿个三元组和300多万个规则，建立了一个完整而庞大的数据视图，极大地支撑了基于知识的项目服务。例如，商品知识图谱能支持语义搜索、智能问答、商品推荐等各种知识增强任务。
在阿里巴巴电商实际场景中，围绕商品知识图谱展开了一系列的技术研究和应用，其中主要业务场景包括商品分类、同款商品识别、商品推荐、商品标签发现、商品属性预测等。
为了在不同的任务中使用知识图谱信息，应用知识图谱预训练（Pre-trained Knowledge Graph，PKG）技术对知识图谱进行建模