知识图谱获取数据需要什么工作，需要用到什么软件或者技能，以及具体操作是什么

获取知识图谱数据需要进行以下工作：

1. 数据收集：收集与知识图谱主题相关的数据。这可以通过网络爬虫、API接口、数据库查询等方式进行。

2. 数据清洗：对收集到的数据进行清洗和预处理，去除重复、无效或错误的数据，统一格式等。

3. 实体识别和关系抽取：使用自然语言处理（NLP）技术，如命名实体识别（NER）和关系抽取，从文本中提取实体和它们之间的关系。

4. 数据建模：根据知识图谱的结构和要求，将清洗和抽取到的数据进行建模，包括定义实体类型、属性和关系等。

5. 数据存储：选择适合的数据库或图数据库，存储知识图谱数据。常用的数据库包括MySQL、MongoDB，图数据库如Neo4j等。

6. 数据可视化：使用可视化工具将知识图谱数据以图形化形式展示，方便用户查看和理解。

在具体操作上，可以使用一些软件和技术来辅助实现上述工作：

- 爬虫软件：如Scrapy、BeautifulSoup等，用于抓取网络上的数据。
- NLP工具包：如NLTK、StanfordNLP、SpaCy等，用于实体识别和关系抽取。
- 数据库管理工具：如MySQL Workbench、MongoDB Compass等，用于管理和操作数据库。
- 图数据库：如Neo4j、OrientDB等，用于存储和查询图结构数据。
- 可视化工具：如Gephi、Cytoscape等，用于将知识图谱数据可视化展示。

具体的操作流程会根据项目需求和工具选择的不同而有所差异，以上是一般的基本步骤和常用工具。