用实际案例来说明，笔记的标签结构如何自生长，标签结构对搜索的强大支持——关于笔记工具的思考(中篇)

[sillydaddy]

前情提要

上一篇在这里: 笔记软件最重要的功能是搜索——关于笔记工具的思考

这篇的主题

上篇是这篇的理论基础，有点长篇大论。这篇则是以图为主，用真实而具体的例子，讲清楚「局部多标签」的笔记方法。

所举的例子，来自于我最近在 logseq 中所记的笔记，从中选取了一部分，以「日程笔记流水」的形式展示在这里，以产生一种笔记不断生长的效果。这里所说的生长，主要指附加在笔记上的「标签系统的生长」。

例子的主旨，是关于将心脏支架的价格从 1.3 万元降到 700 元的「心脏支架集中采购政策」。

后文有很多图，这里先放一张看下效果。

笔记的生长过程

第 1 天的笔记

• 笔记内容

• 笔记包含的「标签」

心脏支架->心脏支架降价事件;
降价->心脏支架降价事件;
带量采购->心脏支架降价事件;

• 加入「标签」后，生成的图谱

第 2 天的笔记

• 笔记

• 标签

医疗回扣->医疗回扣案例;
医疗回扣案例->"心脏支架医疗回扣案例，回扣比例 10%";
心脏支架->"心脏支架医疗回扣案例，回扣比例 10%";

• 图谱

第 3 天的笔记

• 笔记

• 标签

行政干预药品价格->长支架消失;
药品短缺->长支架消失;
药品->心脏支架->长支架消失->长支架消失的原因;

• 图谱

第 4 天的笔记

• 笔记

• 标签

药物球囊->对心脏支架的集采导致药物球囊使用增加;
心脏支架->对心脏支架的集采导致药物球囊使用增加;
集采->对心脏支架的集采导致药物球囊使用增加;

• 图谱

第 N 天的笔记

• ……
• ……
• ……

整理笔记中的标签关联

• 上例中，还有很多标签之间可以建立关联，例如

支架->心脏支架;
药品->支架;
药品->药品短缺;
支架->长支架->长支架消失;
集采->带量采购;
药品->药品价格->行政干预药品价格->集采;
行政干预->行政干预药品价格;
回扣->医疗回扣;
药品->球囊->药物球囊;
降价->药品降价;
药品价格->药品降价;

• 添加新建关联后的新图谱(红色为新添加的标签、关联关系；绿色的后文有说明)

• 对比添加这些关联之前的图谱

• 最终的图谱（其中绿色的标签节点，可以理解为是一些完整的「语句」，而不仅仅是一个词）

基于标签结构的搜索

好了，标签关联起来了，标签结构已经有了，但有什么用呢？可以基于这种标签结构，优化搜索功能！搜索很重要， 这在上篇( /t/818822 )中已经提到。后面会看到，logseq 等软件提供很多重要功能，实质就是搜索。

一种搜索效果的示意图

给定某个搜索关键词，下面的例子展示了搜索的结果：标签与关键词的关联关系越近，标签颜色越暖；反之亦然。例 如红色标签与关键词关系最近，淡蓝色的最远。

• 搜索「心脏支架」

• 搜索「药品」

对于搜索结果的这种展示方式，只是一个我想到的示例。应该有很多方法可以比它更加简洁。比如对于标签与被搜索标签的关系远近，可以使用多层同心圆的布局来表达，或者可以使用节点与字体的大小来表达等等。

但重要的是，这种展示方式，不仅可以「表达各标签与被搜索标签的关系远近」，而且可以「利用有层次的标签结构，并在不破坏这个结构的基础上，展示搜索结果」。那么这个「有层次的标签结构」到底代表什么？又为什么要充分利用呢？

充分利用标签的结构来搜索

观察上述的标签结构，它是有结构层次的。这种层次体现在，上层的标签要比下层的更精炼：要么上层标签是下层标签的抽象，要么上层标签是下层标签的子元素。比如，

• 药品-球囊，「药品」是「球囊」的抽象
• 药品-支架
• 药品-药品价格，「药品」是「药品价格」的子元素
• 长支架消失-长支架消失的原因

所以从集合论角度看的话，上层标签代表的集合要比下层的大。这种上层涵盖下层的标签结构，可以在搜索时提供巨大的便利。

• 模糊搜索。比如，搜索时只记得某个词的一部分，例如「支架」，那么搜这个标签的话，标签结构会给到你提示线索如「长支架」、「心脏支架」等等，甚至可以间接联想到「球囊」。
• 抽象搜索。比如，多标签组合搜索的话，使用上层的抽象标签，会简化搜索过程。例如搜索「球囊 /长支架 /心脏支架 /药物支架」+「价格」的组合，可以换成搜索「心脏介入器械」+「价格」的组合。因为「心脏介入器械」标签是对「球囊 /长支架 /心脏支架 /药物支架」所有这些标签的抽象。

标签结构的进化

从「笔记生长的过程」一节可以知道，标签的结构是随着记笔记的过程不断生长的，不仅标签的规模越来越大，并且标签的结构也应该在不断完善。这里的「完善」，包含下面几点，

• 同义词合并
• 近义词抽象
• 标签充分关联
• 标签充分拆解
• 标签充分抽象
• 针对块(局部信息)的标签越来越丰富、准确。

而如果标签结构本身具有结构的话，会反过来让标签结构的改进更容易。因为你可以利用这种结构，更快速找到诸如同义词、近义词、未关联的标签、未抽象的标签、未拆解的标签，等等。反之想象一下，如果所有的标签以平铺或列表的组织形式，你又怎么去改进这些标签呢？

具有结构的标签系统，为自我改进提供很大便利。那么改进所需的时间和精力成本，就可以分散在记笔记的过程中：当添加了新的标签，或建立了新的关联后，或搜索某个标签后，发现了标签结构中的某些地方需要改进，顺手就改掉了。不需要专门抽时间特意为之。而已经改善过的那些标签，大概率是可以稳定地沉淀下来，而只需对新进来的标签作调整。

与目前 logseq 的功能对照着看

上述的多层次的标签结构，以及建立在其上的搜索功能，在目前的双向链接笔记软件中，实现的程度最大，但也并不是完全实现了(毕竟只是我的一个构思)。这里以 logseq 软件为例，看看有哪些部分已经实现，还有哪些部分未支持。

logseq 支持块，天然支持局部多标签。

每个块都可以打多个标签。这些标签可以关联起来。参考上面「笔记的生长过程」中，标签是可以打在块上的。

不过在 logseq 中，打在同一块上的多个标签，并不是通过块本身关联起来的，二是通过笔记的标题关联起来的。这样，就无法实现本文中所述的标签结构。

logseq 支持对标签搜索。有点像上述基于标签的搜索。

如下图，以列表形式显示匹配关键字的标签。优先显示匹配的标签结果，然后才是匹配的 block 和全文。

不过，这种搜索是以列表的形式，并且精确匹配关键字，也没有利用标签本身的结构。

logseq 的图谱。不利于标签结构发挥应有的作用，有很多改进空间。

• 单个页面的图谱。很有限。

• 全局的图谱。很乱。

• 匹配某个关键词的图谱。太死板。

(图略)。图谱中只显示包含该关键词的节点。

总的来说，logseq 没有体现出标签的结构。

logseq 建立标签之间的关联的方法。可以在页面内打标签，方便程度还可以。

比如上图，在「长支架消失」页面中，打上「心脏支架」的标签，可以把 2 者关联起来。

logseq 的标签筛选功能。

例如在「心脏支架」这个页面下，可以用来筛选的反向链接(标签)有：

可以筛选「与某个 tag 关联的其他 tag 」，在我看来，这相当于「多标签搜索」功能。

总结

标签结构很重要

• 多级标签，就像地图的多级定位一样，可以很灵活地调整搜索范围，并且建立一个搜索-反馈-搜索的循环过程： 搜索标签->初步的标签结果->结合初步结果+标签结构->再次筛选增删标签->更近一步的搜索结果->再次筛选标签->...->最终的搜索结果。

• 这里的标签，并不是普通意义上的单个词或者词组，它甚至可以是一句话，例如本篇中的「对心脏支架的集采导致药物球囊使用增加」，它是对一段话的抽象概括。定位到这句话，就定位到了这段话。

• 形容多级标签结构，最合适的词是「提纲挈领」、「纲举目张」、「以点带线、以线带面」。

• 标签结构可以支持它自己的进化

并不是只有多级标签，更重要的是网状的关联

观察上面「笔记生长过程」中所给出的例子，如下图，

可以看到，「心脏支架」、「降价」、「带量采购」这 3 个标签，应该可以通过「心脏支架降价事件」这个段落，关联在一起。

目前的双链软件与这种标签系统还有些距离

以 logseq 为例，笔记的「标题」被赋予了太高的重要性。在我看来笔记标题不应该特殊化。

• 比如 logseq 中，所有块中的标签，都会与笔记的标题建立关联。这明显是不合适的。某个块的标签不一定与笔记标题有关联，是否关联要看关系强弱，强行关联只会使原本很弱的联系变得很强，导致标签结构失真。

• 标题就一定得成为标签吗？如果是的话，它在标签结构中，处于哪一层呢？

以 logseq 为例，关系图谱(也即本篇所指的标签结构)，没有被很好地发掘利用。

• 某个标签的反向链接列表，本质上是对这个标签先搜索再列表展示。
• 在反向链接页中，对标签再次进行筛选，本质上是一种多标签的搜索，这个过程不需要人工介入。
• 在搜索栏中，键入关键字，先展示命中的标签再展示命中的全文，本质上也是对标签的搜索。
• 而关系图谱恰恰是搜索功能的大辅助。所以为何不把这些搜索功能与关系图谱结合起来呢，而仅仅是摆一个样子呢？
• 当然，这里讨论的只是搜索相关。除开本质上是搜索的反向链接，双链软件的块状结构有很多好的特性，比如展示很方便，引用很方便。

---

这篇文章，介绍了使用局部多标签形成分层的标签结构，怎样利用这种标签结构。但关于标签还有很多问题:

• 标签之间的关联关系，都是同质的吗？比如 “药品-球囊”、“药品-药品价格” 这两种关联，是一个性质吗？
• 这些性质的差异，会怎样影响搜索呢？是否能通过建立不同的关联关系，优化搜索呢？
• 对于大纲式的笔记，在上下层级的块上分别打的标签，它们之间是否应该建立关联呢？

这些留到下篇再谈吧。我自己也还有很多疑问。

欢迎大家讨论质疑。

[advancejar]

写的很用心，但是我觉得没看懂，字都认识

[kingsley777]

感谢楼主分享！
我原先手工整理笔记标签，把每个描述拆成词做标签，结果工作量太大，而且拆的太碎效果反而不好就放弃了。
最后还是简单粗暴的多关键词搜索

[sillydaddy]

@advancejar
前面的图应该可以看懂吧😅？可能还是有些地方没表达出来，我有点当局者迷了。


@kingsley777 > “把每个描述拆成词做标签，结果工作量太大，而且拆的太碎效果反而不好。。”
「拆的太碎效果不好」是不是就是因为没有结构呢？我非常能想象出一大堆破碎的标签是什么效果。
但假设标签之间有结构，那么你搜一个很小很细碎的标签，它也会给到你与之直接关联、间接关联的其他标签，进而是相关的笔记片段。

工作量的话，假如工具重点针对标签功能发力，应该会方便很多。

[zhuangjia]

@advancejar “写的很用心，但是我觉得没看懂，字都认识” +1
我都是往笔记里面一扔，当然结果就是很多时候搜不到想要的

[sillydaddy]

@zhuangjia
@advancejar
可以问一下，具体是哪里没看懂吗？希望在下一篇中，补足一下。

自我感觉[上篇]( https://www.v2ex.com/t/818822)的整体表达比较清晰；
对于这篇，后面的文字部分表达地确实不那么通顺，有些背景概念可能只有自己知道，但我真希望能把自己脑袋里的「水印」给到大家。

本来想由浅入深表达出自己的想法，看来还是失败了。

[advancejar]

@sillydaddy 做成视频吧

[zhuangjia]

@sillydaddy
也不是哪个地方没看懂，文章其实写的挺明白了：相对于上篇多了很多图篇帮助理解。
但我没有这方面需求，暂时也不打算去实践，所以停留在了解就可以了。
我复制一楼的这句话，更多的是调侃：这个太复杂了，我肯定做不到。

[yibie]

并不是只有多级标签，更重要的是网状的关联——非常认同。

从个人的实践来说，和你的感受一致，最终概念与概念之间形成正确的联系之后，才能构成知识。

所以我一直到现在也没有去采用双向链接这种方式。但我之前看了 B 站上的阿婆主 [影视飓风] 关于工作流程的分享，意外的发现也许飞书的网状结构会更好。但我自己并没有在飞书上构建自己知识库的打算。

我个人还是喜欢原始的 zettelkastan 的方式。我个人觉得，不是所有的事情，都值得这样子去整理知识网，但如果自己真的努力去寻找概念和概念的联系，最终还是在心里形成了知识网。让自己在思考某个问题的时候，会迅速关联到相关的概念中去。

完全将知识网可视化可能是一个费力而不讨好的事情。

---

PS：你是用 graphviz 来生成概念图的吗？

[sillydaddy]

@yibie 对，是用 graphviz 生成的。

> “。。最终概念与概念之间形成正确的联系之后，才能构成知识。。”
这点是没错。不过，我在帖子里提到的关联，主要是用来实现「搜索」功能的。应该跟你说的「。。努力去寻找概念和概念的联系，最终还是在心里形成了知识网。。」不是一个意思。

[duanguyuan]

赞一个，很用心了

[Jay54520]

Google 搜索已经实现了你说的大部分功能，比如近义词甚至 typo 、图像识别、关联视频、给网页打标签，但它是自动化的。即使需要人工的，也可以人工标记后被机器学习。那么是否存在可以本地运行的搜索引擎，能实现上述功能？

目前笔记软件的搜索只能搜索关键词，而不能实现近义词搜索，更不能理解文章的语义，自动打上标签。

[sillydaddy]

@Jay54520 >「 Google 搜索已经实现了你说的大部分功能，比如近义词甚至 typo 」

我也相信随着 AI 的发展，这些自动化搜索都会出现。不过目前 Google 还没有那么智能吧？

比如我在上篇里提到的例子：「今天见了好友老张，在大排档吃了顿烤串，很高兴」，隐含了「社交活动」、「饮食」、「心情」这三个抽象的标签。目前的自动标签系统还不能打吧？

[Jay54520]

@sillydaddy
“「今天见了好友老张，在大排档吃了顿烤串，很高兴」，隐含了「社交活动」、「饮食」、「心情」这三个抽象的标签。”
这个当前就可以做到，比如你用 Google 搜索一张你拍摄的树的照片，Google 能识别这个是树，而它之所以能识别，是因为通过大量普通人标记的树的照片而学习到的。
语义理解同理，如果大量人标记“烤串”为“饮食”，那它自然也能学习到，并且还会打更多普通人想到的而你没想到的标签，比如关联的“鸡肉”、“五花肉”、“孜然”等等。

对于一些独特的标签，比如你打这些标签的逻辑和大部分普通人的逻辑不一样，才需要你手工去打。

即使不完美，能做大部分，也能很大减少你手动组织的负担。

所以你可以去搜索以下有没有相关的搜索引擎服务。https://photoprism.app/features 是可以本地运行的、通过机器学习识别图片的，文本的搜索引擎我还没有找到。

[sillydaddy]

@Jay54520
嗯，其实搜索引擎能够做到概念的抽象，比如把一段话抽象成简单一句话，应该就可以做到。但能达到这种程度的话，应该算是有语义理解能力了吧，如果只是单纯靠标记数据去学习，恐怕很难做到。回头我去找找看有没有这种。

[54qyc]

所有楼主有啥笔记软件推荐吗？目前我对笔记软件就 2 个要求 1. 输入功能媲美 typora 2. 支持强大的搜索，最好能够开放 API 我自己写插件可以随时搜索。

[sillydaddy]

@54qyc
目前看结合 chatgpt 这种 AI 的笔记应用是最合适的。我在 12 楼还说 AI 提供自动化搜索还有段距离呢，但这么快 chatgpt 就出来了。
有了 AI 的加持，提取笔记中的关键词、标签，都不在话下，这种标签结构的构造，其实也没有太大的意义了，都可以由 AI 代劳了。

[54qyc]

@sillydaddy 所以有笔记软件结合了 chatgpt 吗

[sillydaddy]

@54qyc 我不清楚哈。