Los gráficos de conocimiento (KGs) han surgido rápidamente como un área importante en la IA en los últimos diez años. Basándose en una tradición histórica de gráficos en la comunidad de IA, un KG puede definirse simplemente como un gráfico dirigido, etiquetado y multirrelacional con alguna forma de semántica. En parte, esto ha sido impulsado por el aumento de la publicación de conjuntos de datos estructurados en la Web y los éxitos bien publicitados de proyectos a gran escala como el Google Knowledge Graph y el Amazon Product Graph. Sin embargo, otro factor que se discute menos, pero que ha sido igualmente instrumental en el éxito de los KGs, es la naturaleza interdisciplinaria de la investigación académica sobre KGs. Se podría argumentar que, debido a la diversidad de esta investigación, una síntesis de cómo diferentes líneas de investigación sobre KGs se entrelazan podría desempeñar un papel útil en la habilitación de investigaciones más "audaces" y colaboraciones a gran escala. Esta revisión del panorama de investigación sobre KGs intenta proporcionar tal síntesis al mostrar primero cuáles son las principales líneas de investigación y cómo esas líneas se relacionan con diferentes comunidades, como el Procesamiento del Lenguaje Natural, Bases de Datos y la Web Semántica. Se sugiere un marco unificado para ver los enfoques distintos, pero superpuestos, de la investigación sobre KGs dentro de estas comunidades.