整理了一下，觉得有用的大概有几点：
01 用户意图分类
EP应该是实体和属性两个单词的缩写。
他们把用户的搜索意图分成了三种类型，好像有点道理，不过想想，对于知识图谱而言好像都是一样的，例如“砌体结构墙是什么”，把“砌体结构墙”作为一个实体，把定义作为它的一个属性，不就一样了？How型也一样。
02 事理图谱
其实没太看到文章提到的事理图谱和实体图谱有什么区别，幼儿园的属性，入学条件，优缺点等这些不都是可以作为节点的属性存在吗？那样不是就可以直接查到了？
知识图谱这种图的结构，应该说本身就具有推理的潜力。
（来自：https://cloud.tencent.com/developer/news/820068）
文中说到他们开发了一个工具，可以自动将相应的文本转换成类似决策树或者推理子图的样式。如图：
（来自：https://cloud.tencent.com/developer/news/820068）
只可惜这个图看得不是很清晰。
03 其他
其他点有意思的不是很多，直接上图：
- 他们重点对比了Dgraph和JanusGraph之后，选择了Dgraph；（网上有文章说，美团在重点对比了Dgraph和NebulaGraph之后，选择了NebulaGraph，可能这个选择是更加正确的选择）
- 他们使用知识图谱生成了房产经纪的话术套路
04 附录
网上找到的一些图数据库的性能对比数据。
Dgraph和JanusGraph：
Dgraph和NebulaGraph：
从结果看，NebulaGraph性能很优秀
