IVGraph
知識圖譜以有意義的關係串連事物，呈現知識：人物、書籍、專案與想法成為節點，彼此之間的連結則成為邊。例如，Maya 撰寫了《田野筆記》，而《田野筆記》探討都市園藝。這三個節點與兩個有名稱的關係構成了一個小型知識圖譜，而不只是相關詞彙的清單。
簡單範例：事物、連結、問題
想像一下，有一本閱讀筆記本，裡面記錄了那位虛構的作者、書籍和主題。你可以用句子寫下這些資訊，也可以明確呈現它們之間的關係：
Maya → wrote → Field Notes
Field Notes → discusses → Urban Gardening現在從 Maya 出發，沿著連結探索。她的書探討了什麼主題？改從都市園藝出發：哪些書探討這個主題，又是誰寫的？
這就是知識圖譜背後的實用概念。它保留了某個事物與哪些事物相連，以及彼此如何連結，讓人或軟體能沿著這些連結探索，而不必從零散的文字中重新拼湊這些連結。
「知識」這個詞很重要。Maya 和田野筆記之間的一條連線，本身傳達不了多少資訊。標上 wrote 標籤後，這條連線就陳述了一件具體的事。把標籤改成 reviewed，表達的就是另一項事實。
知識圖譜的基本構成要素
實體：你描述的事物
實體是由節點表示的特定事物或概念，可以是人、組織、地點、事件、文件或主題。在我們的範例中，Maya 是一個人，Field Notes 是一本書，而都市園藝是一個主題。
將身分與顯示名稱分開處理。如果你的筆記本中有兩位名叫 Maya 的人，不要只因為標籤相同就將他們合併。反過來說，「Maya」和「Maya — 作者」可能指的是同一個人。判斷哪些紀錄描述的是同一個實體，也是建立實用圖譜的一環。
關係：實體之間的連結
邊用來連接節點，其類型描述節點之間的關係，例如：wrote、works-for、depends-on 或 discusses。
方向也很重要。「Maya 撰寫了 Field Notes」與「Field Notes 撰寫了 Maya」並不是相同的陳述。選擇能組成句子並朗讀出來的標籤；句子讀起來彆扭，往往表示模型不夠清楚。
屬性：事物或連結的詳細資訊
屬性用來描述實體或關係。以我們虛構的書籍為例，你可以記錄書名和閱讀狀態；以 Maya 為例，你可以記錄顯示名稱。
某個細節該設為屬性，還是另建一個節點？做第一個專案時，先問問自己：是否想把其他內容連到它？閱讀狀態可以保留為屬性；如果想讓多本書透過同一個主題彼此連結，這個主題就值得有自己的節點。
三元組：一次一則陳述
三元組以主詞–述詞–受詞的形式表達一項事實。以 Maya → wrote → Field Notes 為例：
- 主詞： Maya——陳述開頭的實體。
- 述詞： 撰寫了——陳述所主張的關係。
- 受詞： 田野筆記——該關係的對象。
三元組能讓你以精簡的方式理解這個模型。使用筆記應用程式時，不必用這種表示法寫出每個連結；有名稱的關聯也能表達相同的基本概念。
對開發者而言，實作方式有多種選擇。Esri 區分了屬性圖譜與 RDF 圖譜：屬性圖譜將鍵值形式的屬性附加到節點與關係上，而 RDF 則透過三元組來表達陳述。「知識圖譜」並未限定單一的儲存格式。
結構描述與本體論：共通詞彙
結構描述定義了你的模型所使用的實體與關係類型。我們的閱讀圖譜可以支援：
Person → wrote → Book
Book → discusses → Topic本體論將意義加以形式化，也可能定義類型之間的其他關係。Graphwise 將本體論描述為一份關於意義的契約，訂立於圖譜的開發者與使用者（包括軟體）之間。
對於小型筆記本，先從少量詞彙著手，而不是建立龐大的形式化模型。記下每種關聯的意義。discusses 是指一本書用相當篇幅討論某個主題，還是只是提到它？保持一致，能讓產生的連結更容易理解。
知識圖譜實例：Google 與 Wikidata
Google 知識圖譜
Google 知識圖譜是大家熟悉的例子，因為它的資訊會出現在搜尋結果中。IBM 的介紹說明，它會根據使用者的搜尋提供資訊，資料來源包括 Freebase、Wikipedia 和 CIA World Factbook。
區分詞語與其指稱的實體很有幫助。IBM 以 Apple 公司與蘋果這種水果為例，說明結構描述、身分識別與脈絡如何協助區分不同含義。搜尋系統需要做出這樣的區分，才能傳回正確對象的相關資訊。
Wikidata
Wikidata 是與 Wikipedia 相關的開放知識圖譜。本文撰寫時，IBM 的概述指出，Wikidata 有超過 120 百萬筆條目，涵蓋 300 種語言。
規模雖然與個人筆記本大不相同，但基本概念並不陌生：描述各個實體，再將這些描述串聯起來。主題的價值不只在於作為獨立條目存在；它的連結也為其他條目提供了脈絡。
這些範例並不表示你的圖譜必須描述整個世界。涵蓋一個研究問題或一個團隊專案的圖譜，也能運用相同的基本元素。
知識圖譜與資料庫、心智圖及向量儲存庫的比較
這些工具的功能有重疊，但各自針對不同任務來整理資訊。最有用的比較依據是你想回答的問題，而不是哪個工具在所有情況下都更好。
| 方法 | 主要組織方式 | 問題範例 | 主要差異 |
|---|---|---|---|
| 知識圖譜 | 透過帶有類型的關係連結實體 | 哪些作者寫過探討這個主題的書？ | 明確呈現連結的意義。 |
| 關聯式資料庫 | 將記錄存放在資料表中，透過鍵連結 | 哪些書的閱讀狀態是「已讀完」？ | 組織結構化記錄，也能查詢記錄之間的關係。 |
| 心智圖 | 圍繞主題，以分支排列想法 | 我的園藝研究應涵蓋哪些內容？ | 適合擬定大綱與腦力激盪，而非定義可重複使用的事實。 |
| 向量儲存庫 | 用於相似度檢索的數值表示 | 哪些段落的語意與這個問題相近？ | 相似度不等於有明確名稱、以事實為依據的關係。 |
知識圖譜並非資料庫的對立面
知識圖譜描述的是一種知識的表示方式。資料庫則是用來儲存及查詢資料的技術。圖形資料庫以相互連結的資料為設計核心，可支援知識圖譜。
關聯式資料庫也能呈現關係。兩者的差別不在於「資料表無法連結事物」，而在於如何為這些連結建立模型，以及如何探索這些連結。Esri 強調，圖形資料庫著重於明確儲存的關係，尤其是在處理橫跨多個連結的問題時。
如果只是簡單列出閱讀狀態，用表格可能就足夠了。如果你想探討的問題經常從書籍延伸到作者，再到主題，又回到其他書籍，就值得考慮採用圖譜模型。
心智圖勾勒想法；知識圖譜明確呈現關係
一般的心智圖會從一個核心概念向外分支。知識圖譜則能透過不同的關係類型，將不同分支上的實體連結起來。「我的研究計畫的一部分」和「由這個人撰寫」不應變成無法區分的連線。
如果你還在思考哪些概念該納入專案，不妨先畫張草圖。Notion 心智圖製作工具適合用來做這類規劃；你可以在之後定義可重複使用的關係。
向量相似度與明確關聯回答的是不同問題
找到讀起來相關的段落，和找到已記錄的連結是兩回事。「與都市園藝相似的文字」和「明確連結至『都市園藝』的書籍」可能會得到不同的結果。
這些方法可以並行使用。IBM 介紹了一個與 Wikidata 相關的實作案例，將圖譜資料向量化以供檢索。圖譜不一定要取代相似度搜尋，而相似度搜尋也不會提供每個關係的意義。
知識圖譜有哪些用途？
搜尋與問答
知識圖譜讓搜尋系統不只依據文字，還能運用實體與脈絡。在我們的閱讀範例中，你可以沿著從主題到書籍、再到作者的連結，回答「哪些作者探討都市園藝？」這個問題。
推薦
IBM 說明了知識圖譜如何根據購買行為支援零售商品推薦，以及根據互動情形支援娛樂內容推薦。兩者的共同概念都是運用彼此關聯的資訊，找出相關項目。
舉個個人應用的小例子，你可以利用共同主題的連結，建立「接下來要讀」的書單。推薦理由也很容易理解：這本你還沒讀過的書，探討的主題與你已選取的書籍有所連結。
資料整合
不同來源可能以不同方式描述同一個實體。圖譜可以透過共通的識別資訊與詞彙，將這些描述連結起來。
想像一下，研究筆記寫著「Maya」，閱讀清單寫著「Maya — 作者」，而訪談頁面提到的也是同一個人。釐清這些指稱的對象，就能讓書籍與訪談透過同一個人串連起來，而不再是各自獨立的紀錄。
RAG 與 AI
檢索增強生成（RAG）會將檢索到的脈絡資訊提供給語言模型，協助它回答問題。以圖譜為基礎的檢索則可利用明確的關係，組合出這些脈絡資訊。
Brian Curry 的知識圖譜指南指出，關係走訪與可追溯的連結能為 AI 應用帶來益處。我們的GraphRAG 解說進一步探討了這種檢索模式。
個人知識圖譜：從你的筆記開始
個人知識圖譜將這些概念運用在你自己的資料上：筆記、專案、閱讀清單、人物與概念。不需要企業級資料管線，就能開始。
Notion 工作空間本身就有圖譜結構：
- 頁面就是節點。
- 提及與反向連結透過引用連接頁面。
- 資料庫關聯透過具名欄位連接資料紀錄。
- 與上層頁面的關係描述階層結構。
這些連結並非都表達相同的意思。頁面提到一本書，不一定代表該頁面在推薦這本書、概述其內容，或將其用於專案。若要精確表達連結的意義，請為 Notion 資料庫關聯取有意義的名稱。使用 Notion 反向連結瀏覽引用，再閱讀前後文，了解引用的原因。
Obsidian 的筆記庫透過維基連結串連筆記。同樣的建模問題也適用於此：連結只是指向某處，還是筆記有說明彼此的關係？我們的 Notion 與 Obsidian 比較從更全面的角度探討如何在這兩種環境之間做選擇。
這裡有個值得釐清的差別：相互連結的筆記會形成圖譜，而正式的知識圖譜則進一步賦予明確且一致的語意。你可以先從前者開始，再逐步強化後者。
想查看現有的連結，IVGraph 可將 Notion 頁面、反向連結與提及，以及資料庫關聯呈現為互動式 3D 圖譜。在本文撰寫時，IVGraph 500 個節點以內可免費使用，並透過 Notion 登入取得唯讀存取權。
視覺化能幫助你檢視結構，但無法取代對關聯意義的定義。若想看以工作空間為主的操作教學，請參閱Notion 知識圖譜指南。
如何建立小型知識圖譜
先從一個你真正想找到答案的問題開始。「整理我知道的一切」很難檢驗；「這個專案參考了哪些閱讀資料？」則能給你一個具體目標。
- 先限定小範圍。 選用一份閱讀清單或一個專案。第一版先不納入無關的資料。
- 為實體類型命名。 這個範例使用「專案」、「閱讀資料」和「主題」。為每個實際實體建立獨立的紀錄或筆記。
- 定義關係。 試試
Reading → informs → Project和Reading → discusses → Topic。用淺白易懂的文字為每種關係寫下定義。 - 有目的地新增屬性。 將閱讀狀態等細節記錄在閱讀資料中。如果一個主題需要連結多份閱讀資料，就將它設為獨立實體。
- 釐清實體是否重複。 判斷「花園研究」和「園藝研究專案」是否指同一個專案。不要只因名稱相似就合併紀錄。
- 新增連結並補上脈絡。 記錄閱讀資料為何能為專案提供參考。保留支持重要主張的段落或來源。
- 驗證最初的問題。 從專案出發，沿著連結查看相關閱讀資料，再檢視這些資料的主題。你能解釋每一個連結嗎？
- 先修正，再擴充。 重新命名含義不清的關係、修正錯誤，並補上缺漏的連結。當另一個有用的問題需要擴充圖譜才能回答時，再擴充圖譜。
新增更多資料前，請先使用這份簡短的品質檢查清單：
- 每個節點是否都代表可明確識別的事物？
- 每個關係是否都能解讀成清楚的句子？
- 相似關係的命名是否一致？
- 你是否能找到重要論斷背後的證據？
- 沿著連結探索，是否能回答你最初的問題？
目標不是畫出最大的圖，而是建立一組你能理解、信任並重複運用的連結。
常見問題
簡單來說，什麼是知識圖譜？
知識圖譜是一種呈現事物及其相互關係的方式。事物以節點表示，關係則以有名稱的連結表示。例如，瑪雅撰寫了《田野筆記》，而《田野筆記》探討的是都市園藝。
知識圖譜和圖形資料庫有什麼不同？
知識圖譜以相互連結的方式呈現知識，包含實體及其關係所代表的意義。圖形資料庫則是專門用來儲存與查詢相互連結的資料的儲存技術。圖形資料庫可以支援知識圖譜，但兩者並不相同。
心智圖是知識圖譜嗎？
一般的心智圖會圍繞核心主題，將想法整理成分支。知識圖譜則著重於實體之間有明確名稱的關係，這些關係可以跨分支連結。心智圖可以幫助你勾勒模型，但光靠分支圖，並不能定義各個連結的意義。
我可以在 Notion 或 Obsidian 中建立個人知識圖譜嗎？
可以。Notion 頁面構成節點，透過提及、反向連結、資料庫關聯及上層頁面關係彼此連結。Obsidian 筆記則透過維基連結彼此連結。使用一致的實體名稱，並讓關係的意義清楚明確，就能讓這些相互連結的筆記作為個人知識圖譜時更實用。
知識圖譜一定要用 AI 嗎？
不需要。你可以手動建立實體及其關係。AI 可以協助從文字中擷取實體與關係，知識圖譜也能為 AI 系統提供結構化的脈絡資訊，但要開始建立小型圖譜，這兩種應用都不是必要條件。