工作区教学
知识图谱
理解 PaperSpark 怎样把单篇论文扩展成多篇论文之间的作者、概念、方法和关系网络。
知识图谱页面的价值，不在于“看一个漂亮的图”，而在于把一篇论文放回更大的关系网络中理解。
图谱里的关系从哪里来
当论文完成精读解析后，系统会尝试进一步抽出：
- 作者
- 概念
- 方法
- 关键词
- 论文之间的关联
这些内容会逐步进入知识图谱。
用户最容易感受到的两层关联
第一层：检索型关联
这是你在 AI 助手里最先感受到的跨文章关系。
例如：
- 你问一个问题，助手同时召回多篇知识库论文
- 你指定一篇论文，系统再补充其他相关论文证据
这类关联是“回答层”的。
第二层：图谱型关联
这是你在知识图谱页面里看到的显式关系。
例如：
- 两篇论文共享作者
- 讨论相似概念
- 采用相似方法
- 围绕相近关键词展开
这类关联是“结构层”的。
图谱不是阅读之外的附加页
它更像精读之后的“关系视图”。如果没有前面的知识库和精读，图谱本身也不会有足够丰富的内容。
图谱里最适合看什么
论文节点
从一篇论文跳回它的精读页面继续阅读。
作者关系
快速看哪些文章可能来自同一研究脉络。
概念与方法网络
比只看标题更容易发现真实的研究重合。
对用户来说，图谱最实用的三个场景
- 看一篇论文时，发现它还连着哪些概念和方法
- 发现多篇论文之间是否在讨论同一个问题
- 从图谱中的论文节点再跳回沉浸式阅读继续深读
这也是为什么 PaperSpark 的“文章之间关联”并不是一句抽象描述，而是会最终落成可点击、可回跳的页面关系。
[[img desc:知识图谱页面截图，展示论文节点、作者节点、概念节点和边关系]]