图谱视图高级分析

Obsidian 的图谱视图不仅是一个可视化工具，更是知识网络分析利器。本文介绍如何通过高级过滤、分组和布局设置，从图谱中获取更深层次的洞察。

图谱视图基础回顾

如果你还不熟悉图谱视图的基本操作，请先阅读图谱视图基础教程。

图谱的核心元素

元素	说明	可配置项
节点	每篇笔记	大小、颜色、透明度
边	笔记间的链接	厚度、颜色、箭头
簇	相关笔记的集合	分组方式
力	节点间的作用力	引力、斥力、中心力

高级过滤

按路径过滤

# 过滤面板（Filter）中输入：

# 仅显示特定文件夹
path:projects/

# 排除特定文件夹
-path:templates/ -path:archive/

# 多路径组合
path:projects/ OR path:tasks/

按标签过滤

# 包含特定标签
#tag:urgent

# 排除特定标签
-#tag:archived

# 多标签组合（AND）
#tag:project #tag:active

# 多标签组合（OR）
#tag:project OR #tag:task

按链接数过滤

虽然图谱界面没有直接的"链接数"过滤器，但可以通过以下方式间接实现：

使用 Dataview 先标记高链接笔记
在笔记中添加 hub: true 属性
在图谱中过滤 [hub]: true

分组与着色

按文件夹着色

在图谱设置 → Groups 中添加颜色规则：

# 按顶层文件夹分组
path:projects/ → 蓝色 #3b82f6
path:books/ → 绿色 #22c55e
path:daily/ → 橙色 #f59e0b
path:notes/ → 紫色 #a855f7
path:templates/ → 灰色 #6b7280（透明度降低）

按标签着色

# 按标签分组
#tag:urgent → 红色 #ef4444
#tag:important → 橙色 #f97316
#tag:idea → 黄色 #eab308
#tag:reference → 青色 #06b6d4

按属性着色

结合 Properties 系统，按笔记属性着色：

# 在 Groups 中使用属性查询
[status: active] → 绿色
[status: paused] → 黄色
[status: done] → 灰色（降低透明度）
[status: archived] → 深灰色（最低透明度）

布局参数调优

力导向布局参数

参数	作用	推荐值	效果
中心力	将节点拉向中心	1-3	值越大越聚拢
链接力	连接节点的力	30-100	值越大连接越紧密
斥力	节点间排斥力	100-500	值越大间距越大
链接距离	连接线的长度	50-200	值越大越松散

不同场景的推荐参数

整体概览（大图谱）：

中心力：1
链接力：30
斥力：300
链接距离：100

项目聚焦（中等图谱）：

中心力：2
链接力：50
斥力：200
链接距离：80

单篇笔记关联（小图谱）：

中心力：5
链接力：80
斥力：100
链接距离：60

数据分析技巧

使用 Dataview 辅助分析

1. 找出枢纽节点

dataview

TABLE 
  length(file.inlinks) as "入链数",
  length(file.outlinks) as "出链数",
  length(file.inlinks) + length(file.outlinks) as "总链接数"
FROM ""
WHERE file.folder != "Templates"
SORT length(file.inlinks) + length(file.outlinks) DESC
LIMIT 20

2. 发现孤岛笔记

dataview

LIST
FROM ""
WHERE length(file.inlinks) = 0 AND length(file.outlinks) = 0
AND file.folder != "Templates"
AND file.folder != "Archive"

3. 找出最强连接对

dataviewjs

const pages = dv.pages().where(p => p.file.folder != "Templates");
const connections = [];

for (let p of pages) {
  for (let link of p.file.outlinks) {
    const target = dv.pages().where(t => t.file.path == link.path);
    if (target.length > 0) {
      const mutualBacklinks = target[0].file.outlinks
        .filter(l => l.path == p.file.path).length;
      if (mutualBacklinks > 0) {
        connections.push({
          a: p.file.name,
          b: target[0].file.name,
          strength: mutualBacklinks + 1
        });
      }
    }
  }
}

connections.sort((a, b) => b.strength - a.strength);

dv.header(3, "🔗 最强连接对 Top 10");
dv.table(
  ["笔记 A", "笔记 B", "连接强度"],
  connections.slice(0, 10).map(c => [c.a, c.b, "⭐".repeat(c.strength)])
);

4. 知识簇分析

dataviewjs

// 检测知识簇（共享大量链接的笔记群）
const pages = dv.pages()
  .where(p => p.file.folder != "Templates" && p.file.folder != "Archive");

// 构建邻接表
const adjacency = {};
for (let p of pages) {
  adjacency[p.file.path] = p.file.outlinks.map(l => l.path);
}

// 找出共享链接最多的笔记对
const sharedLinks = {};
for (let i = 0; i < pages.length; i++) {
  for (let j = i + 1; j < pages.length; j++) {
    const a = pages[i].file.path;
    const b = pages[j].file.path;
    const aLinks = new Set(adjacency[a] || []);
    const bLinks = new Set(adjacency[b] || []);
    
    // 共同链接的笔记
    const common = [...aLinks].filter(l => bLinks.has(l));
    if (common.length >= 3) {
      const key = `${pages[i].file.name} ↔ ${pages[j].file.name}`;
      sharedLinks[key] = common.length;
    }
  }
}

const sorted = Object.entries(sharedLinks)
  .sort((a, b) => b[1] - a[1])
  .slice(0, 10);

if (sorted.length > 0) {
  dv.header(3, "🌐 知识簇分析（共享 ≥3 个链接的笔记对）");
  dv.table(
    ["笔记对", "共享链接数"],
    sorted
  );
} else {
  dv.paragraph("未发现强知识簇");
}

图谱可视化最佳实践

1. 分层展示

# 第一层：核心节点（高度链接的笔记）
node_size: based_on_links
min_node_size: 8
max_node_size: 30

# 第二层：标签着色
color: based_on_tag

# 第三层：路径过滤（聚焦当前工作区）
filter: path:current-project/

2. 时间动画

利用图谱的时间过滤功能：

打开图谱视图
拖动时间滑块到最左端
缓慢拖动滑块向右
观察知识网络随时间的增长

这可以帮助你发现：

知识爆发期（某段时间大量新笔记）
连接形成期（某段时间大量新链接）
知识荒漠期（某段时间无活动）

3. 局部图谱分析

在单篇笔记的「局部图谱」中：

# 过滤出最相关的笔记
深度：2（显示 2 层链接关系）
过滤：排除 templates/ 和 archive/
排序：按链接数降序

图谱驱动的知识管理策略

策略 1：连接优先

定期检查图谱，优先关注连接稀疏的区域：

dataviewjs

// 找出链接数最少的笔记（需要补充连接）
const sparse = dv.pages()
  .where(p => p.file.folder != "Templates" && p.file.folder != "Archive")
  .map(p => ({
    name: p.file.name,
    totalLinks: p.file.inlinks.length + p.file.outlinks.length
  }))
  .sort((a, b) => a.totalLinks - b.totalLinks)
  .slice(0, 15);

dv.header(3, "🔍 链接最少的笔记（建议补充连接）");
dv.table(
  ["笔记", "总链接数", "建议"],
  sparse.map(s => [
    s.name,
    s.totalLinks,
    s.totalLinks === 0 ? "🔴 孤岛笔记，急需连接" : "🟡 链接稀少，考虑补充"
  ])
);

策略 2：枢纽维护

识别并维护知识枢纽节点：

dataview

TABLE 
  length(file.inlinks) as "入链",
  length(file.outlinks) as "出链"
FROM ""
WHERE length(file.inlinks) >= 10
SORT length(file.inlinks) DESC
LIMIT 10

策略 3：主题聚类

通过图谱颜色分组识别主题边界，检查：

主题内连接是否紧密
主题间是否有足够的桥接笔记
是否有孤立的主题簇

图谱性能优化

大型知识库（1000+ 笔记）的图谱可能卡顿，优化方法：

优化方法	操作	效果
减少渲染节点	设置过滤条件	显著提升
降低链接距离	减少链接距离参数	减少计算量
关闭箭头	设置 → 显示箭头 → 关闭	微提升
降低帧率	使用更简单的力模型	提升流畅度
分区域查看	使用路径过滤分段查看	避免全量渲染

任务与计划

编辑增强

导航与命令

模板引擎

Dataview 与统计

命令行与集成

图谱视图高级分析

图谱视图基础回顾

图谱的核心元素

高级过滤

按路径过滤

按标签过滤

按链接数过滤

分组与着色

按文件夹着色

按标签着色

按属性着色

布局参数调优

力导向布局参数

不同场景的推荐参数

数据分析技巧

使用 Dataview 辅助分析

1. 找出枢纽节点

2. 发现孤岛笔记

3. 找出最强连接对

4. 知识簇分析

图谱可视化最佳实践

1. 分层展示

2. 时间动画

3. 局部图谱分析

图谱驱动的知识管理策略

策略 1：连接优先

策略 2：枢纽维护

策略 3：主题聚类

图谱性能优化

相关文档

图谱视图高级分析 ​

图谱视图基础回顾 ​

图谱的核心元素 ​

高级过滤 ​

按路径过滤 ​

按标签过滤 ​

按链接数过滤 ​

分组与着色 ​

按文件夹着色 ​

按标签着色 ​

按属性着色 ​

布局参数调优 ​

力导向布局参数 ​

不同场景的推荐参数 ​

数据分析技巧 ​

使用 Dataview 辅助分析 ​

1. 找出枢纽节点 ​

2. 发现孤岛笔记 ​

3. 找出最强连接对 ​

4. 知识簇分析 ​

图谱可视化最佳实践 ​

1. 分层展示 ​

2. 时间动画 ​

3. 局部图谱分析 ​

图谱驱动的知识管理策略 ​

策略 1：连接优先 ​

策略 2：枢纽维护 ​

策略 3：主题聚类 ​

图谱性能优化 ​

相关文档 ​

相关文章

图谱视图高级分析

图谱视图基础回顾

图谱的核心元素

高级过滤

按路径过滤

按标签过滤

按链接数过滤

分组与着色

按文件夹着色

按标签着色

按属性着色

布局参数调优

力导向布局参数

不同场景的推荐参数

数据分析技巧

使用 Dataview 辅助分析

1. 找出枢纽节点

2. 发现孤岛笔记

3. 找出最强连接对

4. 知识簇分析

图谱可视化最佳实践

1. 分层展示

2. 时间动画

3. 局部图谱分析

图谱驱动的知识管理策略

策略 1：连接优先

策略 2：枢纽维护

策略 3：主题聚类

图谱性能优化

相关文档