基于图的搜索是一种探索数据的方法，数据结构为节点（实体）和边（关系），用于查找特定信息或路径。与数组等线性数据结构不同，图允许通过互连元素进行灵活遍历。当数据点之间的关系很重要时，这种方法非常有用，例如在地图中找到最短路径或识别社交网络中的连接。核心思想是系统地访问节点，通过遵循边，使用针对问题需求优化的算法来提高效率。
一个常见的例子是导航应用程序中的路径查找。节点表示位置，边表示道路。Dijkstra 或 A* 搜索等算法通过检查连接的节点和边的权重（例如，距离或交通）来评估可能的路线。另一个例子是社交网络朋友推荐：图可以将用户建模为节点，将友谊建模为边，从而可以搜索共同连接或分离度。Neo4j 等图数据库本身使用这种结构，允许查询，例如“查找在 X 公司工作并通过少于三个步骤与用户 Y 连接的所有人”。这些场景突出了基于图的搜索如何利用关系来高效地回答复杂问题。
与传统的数据库查询或线性搜索相比，当关系是问题的核心时，基于图的方法表现出色。例如，搜索关系数据库中的“部门中的所有员工”非常简单，但查找“跨部门合作项目的员工”可能需要多次连接或嵌套查询。基于图的方法通过直接遍历边来简化这一点。当数据具有固有的互连性时，开发人员会选择基于图的搜索，因为它避免了从表格结构重建关系的开销。图数据库或库（例如 Python 中的 NetworkX）等工具提供了内置的遍历逻辑，使依赖项解析、欺诈检测或网络分析等任务的实现更加容易。