概括
网络，一般是世界各实体之间的自然表示得到的图（即Natural Graph）。例如社交网络、通信网络、蛋白质网络，他们的节点一般是某个特定网络中的实体（例如人、交换机、分子）。为了避免歧义，因此下面的利用Natural Graph（NG）来表示这种表征世界各实体之间联系的图结构数据。
图谱，直观上一般指代知识图谱（Knowledge Graph， KG），也被成为信息图（Information Graphs），它一般是由知识或信息组织而成的图，它是专门被用来构建知识库并支持决策的。因此知识图谱中的节点可以直接是抽象名词，或者是世界知识或语言知识。
但这些概念之间，尤其是用词上，在变得越来越模糊。
相同点
1. 数据结构相同。
在数学的表示形式（数据结构）上，网络（Natural Graph）和知识图谱（Knowledge graph）是相同的：Natural Graph，Knowledge Graph他们都是Graph。
\(G=(V, E)\)，\(V\)是节点的集合，\(E\)是边的集合。他们都以“图”作为描述网络的数学语言。”图“一个自然地刻画物理世界的有力工具，相比于图像和文本，图类型数据的分布更加广泛，图结构更复杂且更一般。
2. KG和NG一般都是异质信息网络
异质信息网络是指包含多种节点和边的图结构数据。
KG和NG一般都包含多种类型的节点和表，因此他们是同一种数据形式在不同表示层面上的使用。
不同点
1. 场景不同
KG中的节点一般是抽象名词, 也可以表示世界知识或语言知识。
而NG中的节点往往是某个特定网络中的实体。
2. 任务不同
KG是一种知识量丰富的异质信息网络（Heterogeneous Information Network， HIN），它是专门被用来构建知识库并支持决策的。因此包含许多特定的任务，例如如何构建知识图谱（NG是现实世界的自然表示，因此一般不存在这个问题），如何存储、抽取、推理知识（知识问答）等。
而NG的定位则更加倾向于完整地建模包含不同类型实体的特定网络。
3. 信息丰富程度丰富
知识图谱作为一种知识量丰富的异质网络, 其点类型, 关系类型, 约束相较于网络（Natural Graph）要更加丰富。
但同时，KG上节点由于一般是抽象名词，因此节点上包含的信息量不如NG。
在实际的数据挖掘过程中，KG的节点特征往往用one-hot表示，而Network一般有映射到现实世界的真实输入特征（例如引文网络中作者节点的作者相关信息）
KG更加想要去同时建模关系、节点的表示以更好地存储、抽取、推理知识。NG，一般更关注建模节点的表示，以达到对节点分类、聚类、链接预测的目的。
（虽然任务不同，但有时候可以通过一种模型解决两类问题，例如链接预测也可以解决知识图谱中的关系补全）
参考
异构信息网络和知识图谱有什么区别？CS224W 01-intro
