摘要

本文强调了元数据对知识图谱构建的重要性，希望读者认识到元数据对个人知识管理中的可视化也是同样重要的，并在文末提出了一个构建obsidian有效全局图谱的方法。

引言

之前介绍了通过文献之间的引用，我们可以追踪科学研究的动向，并且进行可视化，展示有效的信息。但同时也提到，知识图谱并非容易之事，背后还有诸多努力可能被使用者忽视。本文主要介绍元数据对知识图谱构建的重要性。

元数据

首先，本文的元数据（Metadata）是指从Web of Science、Scopus、知网等学术检索引擎上对学术论文的描述信息。
以Scopus为例，其提供的元数据如下图。

当我们下载了相关的引用文件（例如bib、ris），使用记事本打开，就会发现许多的元数据信息。因为全部信息太多，我只截取部分信息展示如下。

这些元数据信息非常丰富，例如上图的CR字段对应的就是本文献中引用的文献。一些常见且有用的信息大致有：作者、单位、发表期刊、发表年、被引文献（这篇文献引用了哪些文献）、施引文献（哪些文献引用了这篇文献）等等。

只有获取了上述的元信息，才能对文献之间的关系进行分析和数据挖掘，最终可视化得到有用的图谱。

个人的话

通过上文可知，要进行可视化之后必须获得丰富的元数据。在个人知识管理中，如果将一篇文档视为一篇论文，双链视为引用，那我们看一下这篇文档中的原信息有多少呢？
以我个人的模板为例，元数据一般都放在了yaml中，我的yaml如下

---
title: （标题）
uid: 202101282344（创建时间）
aliases: [（别名）]
tags:  （标签）
from: （来源）
---

我认为勉强可以算是元数据的可能就是创建时间和标签。标签我一般写在正文中，且是以双链形式存在，例如[[tag-标签1]]。而目前图谱功能好像还不能根据创建时间的先后来构建关系，因为是去中心化，是无方向的。所以这两个数据似乎也不能参与到知识图谱的构建中。
在文章的最后，我也给出一个粗略的想法，即使用一个双链写入特殊字段，在图谱中进行筛选，从而能获得全局视角的有效图谱。例如，在obsidian中，我在所有有关于R语言的知识卡片中，都输入了[[tag-R语言]]，然后我在图谱中检索tag-R语言（或者进入相关的），从而能获得一张较为有效的全局图谱。

如果感觉“tag-R语言”的节点太大，且无意义，可以将该md文件删除，然后在图谱检索中勾选“仅显示已创建的笔记”，这样各个节点之间的关系可能更为自然。