知识图谱

如何构建网状、关联紧密且足够鲁棒的 408 知识图谱

如何构建一个鲁棒的知识图谱

# 构建 408 知识图谱

---

## 什么叫 robust？

**复杂度足够高**

- 生态系统
    - 脆弱的：简单的线性结构
    - 鲁棒的：网络结构
- 神经网络
    - 几个 linear：简单
    - attention：复杂

**多一条有效连接，多一个召回入口。**

---

## 鲁棒 ≠ 节点越多越好

脆弱的“高密度”：

- 收藏了很多定义，却没有因果关系
- 所有知识都连到“我看过”
- 笔记很完整，合上笔记就不会

真正的高密度：

- 每条边都能说清“为什么相连”
- 核心节点连接多，边角节点连接少
- 能从题目现象反推机制，也能从机制预测结果

> 不是堆满百科全书，而是建成可通行的路网

---

## 线性 vs 非线性

线性学习：

`教材 → 章节 → 小节 → 定义`

- 优点：适合第一次进入一门课
- 缺点：换一种问法、跨一个章节，就容易断路

网络学习：

`问题 ↔ 概念 ↔ 机制 ↔ 图像 ↔ 题型`

> 认识是 **涌现** 出来的

---

## 先种下 “关键概念”

优先建立四门课的核心支点：

- 数据结构：复杂度、查找、排序、树、图
- 组成原理：数据表示、指令、CPU、存储层次
- 操作系统：进程、同步、内存、文件系统
- 计算机网络：分层、可靠传输、路由、拥塞控制

选择标准：

1. 高频、分值高
2. 能解释大量相邻知识
3. 经常作为综合题的中转站

---

## 从知识点出发构建结构

以“为什么需要虚拟内存？” 为中心：

1. **What**：它是什么？
2. **How**：地址转换、页表、TLB、缺页如何协作？
3. **Why**：解决什么问题？
4. **What if**：TLB 未命中、缺页、抖动会怎样？
5. **Compare**：分段、分页、Cache 有何异同？
6. **Test**：真题会从哪个入口切入？

每回答一个问题，增加一个节点或一条有名字的边。

---

## 用真题制造 “环境扰动”

学完后的压力测试：

- 删除入口：不看标题，能否识别考点？
- 改变表象：换数据、换代码、换叙述还能做吗？
- 反向追问：从结果能否倒推出原因？
- 跨章迁移：能否指出它与另一章的连接？
- 限时输出：两分钟内能否讲清主干？

做错题不是给图谱贴一个红点，而是判断：

- 缺节点？
- 缺连接？
- 连接方向错了？
- 边界条件没标？

---

## 费曼学习法：检查连接

- 不看资料，用自己的话讲给“零基础的人”
- 按 `what → how → why → what if` 展开
- 卡住的位置，就是断边或伪连接
- 讲完画一张最小图，再用题目验证

> 能复述定义，不等于能解释系统如何运转

---

## Anki：维护节点，不负责造森林

适合放入 Anki：

- 易忘的条件、结论、公式与字段
- 一问一答的关键连接
- 错题暴露出的最小知识缺口

推荐卡片：

> 正面：为什么增大页面可能减少 TLB miss？  
> 背面：同样数量的 TLB 表项可覆盖更大的地址空间。

---

## 每章的构建循环

```text
建立主干 → 主动提问 → 连接旧知
    ↑                       ↓
压缩重画 ← 真题压力测试 ← 暴露断点
```

每学完一章，只做四件事：

1. 留下 5～10 个核心节点
2. 标出因果、对比、条件和跨科连接
3. 用真题破坏它，再修补它
4. 把易忘的最小单元交给 Anki

---

## 最终目标

不是背出一张巨大的图，而是获得三种能力：

- **定位**：陌生题目出现时，知道它属于哪片网络
- **推导**：局部遗忘时，能从相邻节点重新走回来
- **迁移**：题目变形、跨章、跨科，主干仍然稳定

> 健壮的知识图谱不是一次画完的作品，  
> 而是一个经受真题扰动、持续演化的生态系统。