基于知识图谱推理的第二个限制是静态的图谱很难描述用户意图的分布以及变化。
举例来说，『天龙八部』这四个字，可以是小说，游戏，电视剧，电影。。。那么用户在一个上下文中说这四个字的时候，他到底要的是什么？如果世界上正好一部新的天龙八部的电影上映了，用户说这四个字的时候，他的需求分布是不是也应该相应改变？
搜索能够帮助知识图谱解决盲区和意图分布的问题：
搜索能够看到全景：百度搜索索引了几百亿的页面，基本上涵盖用户各种需求的方方面面。
搜索能够提供用户真实意图的分布：有非常多的排序特征和用户反馈特征能告诉我们用户在各种上下文下真实的意图分布，并且会随着时间推移更新。
两者结合来给用户『长答案』。
类似“天空为什么是蓝色的”这样的Query，用户需要详细的解释，我们可以把这个问题转化为在知识图谱的帮助下，自动识别最佳答案段落（Paragraph Ranking）的问题。这就会是一个百度很擅长的排序问题，我们能找出最精简描述『瑞利散射』的段落。
当知识图谱和搜索结合，我们通过情感分析（Sentiment Analysis），可以更好的理解搜索结果。
比如非常多人在百度上搜索『孕妇可以』打电话么？吃柿子么？玩电脑么？……或者『蚕丝被能够放在太阳下晒么』这样的问题，往往没有绝对的答案，这时候通过情感分析和知识图谱，百度能够告诉用户说有80％的人说可以，20％的人说不可以。您需要自己判断一下。：）
