以下是 Graph Commons 的完整介紹，包含：
什麼是 Graph Commons（定位、特色）
使用者介面特性（UI 特性）
資料關係的特殊技術 / 重點能力
典型使用情境（Use Cases）
與 Kumu 的比較（幫你快速理解差異）
我會用「你的需求」為角度——因為你正在找：
可以讓多人手動調整知識圖關係強度，並有可視化編輯介面的工具。
Graph Commons 是這類產品中最符合「社群型知識圖」定位的。
🟥 1. 什麼是 Graph Commons？
Graph Commons = 協作式知識圖平台（Collaborative Network Mapping Platform）
任何人都可以：
建立節點（people, ideas, documents, etc）
建立關係（關聯、引用、支持、衝突、影響）
在一個互動式網路圖中共同編輯
用屬性欄位加權（strength, score, confidence…）
用視覺方式探索龐大的資訊結構
Graph Commons 的核心精神是：
✔ 讓人類使用者自己描述關聯，而不是 AI 做
✔ 每個 node/edge 都是一筆資料，可以有 metadata
✔ 同一張圖可以多人協作修改
✔ 視覺化非常流暢（force-directed, clustering, styling）
🟥 2. 使用者介面特性（UI）
Graph Commons 的 UI 特點：
🔹 2.1 互動式 Network Editor（拖曳式編輯器）
你可以直接在圖上做：
加節點
加連結
刪除節點
拖曳位置
調整視野、縮放
highlight 某些類型的節點
介面是即時的，不需要寫程式。
🔹 2.2 Node / Edge 的詳細屬性面板（很重要）
點某個 node 或 edge 後，右側有一個資料面板，可編輯：
節點資料：
名稱
類型（Person / Organization / Concept / Document …）
描述
標籤（tags）
自訂欄位（text, number, date）
網址
圖片
關係資料：
relationship type
weight / strength（你可以自訂欄位）
描述 annotation
direction（雙向 or 單向）
這意味著：
你可以直接用 Graph Commons 做「可調整強度的知識圖」。
🔹 2.3 自動 Layout + 人工微調
Graph Commons 的 layout 是 force-directed graph：
會自動根據連線來決定位置。
但你可以手動：
把某些節點拉近
把某些節點放大 / 放遠
用「pin」固定位置
Graph Commons 完全支援你想要的：
「用手拉動節點距離來表示個人認知關係」。
🔹 2.4 Powerful Filters & Highlight
你可以：
只顯示特定類型節點
只顯示與 A 直接相關的一圈鄰居
用顏色顯示不同群組
依 metadata（例如 weight）來排序、篩選或顏色分級
這對「資訊探索」很重要。
🔹 2.5 Map Versions（你的需求核心）
Graph Commons 有一個強大的特性：
同一張圖可以被 Fork 成不同版本
每個人可以從主圖複製一份
加自己的關聯、調整自己的距離
完成後合併或保留自己的版本
這個機制非常適合你的需求：
「每個使用者對相同兩個概念，有不同的關係距離」。
Graph Commons 可以做到：
✔ 多人共享主版本
✔ 個人自行編輯版本
✔ 不同版本可以比較或合併
這是 Kumu 沒有的原生功能。
🟥 3. 資料關係的特殊技術（Graph Commons 的能力）
Graph Commons 虽然比不上完整的圖資料庫（像 Neo4j），
但它提供夠強的 metadata 與視覺引擎。
🔹 3.1 Relationship Weight（可自訂權重）
Graph Commons 支援：
關係可以有數值欄位
你可以命名為：strength, relevance, trust, similarity
視覺上用顏色、粗細呈現
Layout engine 會根據你調整的位置更新 node-on-map（用戶視角）
這很適合：
「用手動調整邊的權重，代表認知距離」。
🔹 3.2 “Graph Commons Engine” 的 Network Computation
包含：
自動計算中心性（centrality）
社群群聚（community detection）
路徑搜尋（shortest path）
影響分析（influence score）
如果你想做：
文件之間的相關區塊
主題群聚
找兩個概念之間的最短連結
Graph Commons 直接支援。
🔹 3.3 Schema-less（自由結構）資料模型
你不需要提前定義資料庫 schema。
節點與關係都可以臨時加入新欄位。
這很適合做探索性的知識圖。
🔹 3.4 Data Import / Export
支援：
Excel / Google Sheet 匯入
JSON
GraphML
CSV
API（若你要自動同步資料）
可讓你把文件清單、關鍵字、連結轉成圖。
🔹 3.5 Map Sharing / Embedding（像 Google Doc）
你可以分享：
公開（Public）
私有（Private）
嵌入到網站（iframe embed）
這很像協作編輯平台，但基於網路圖。
🟥 4. 使用情境（Use Cases）
Graph Commons 的場景跟 Kumu 有部分重疊，但偏向：
✔ 4.1 知識圖（Knowledge Graph）
你可以把：
所有檔案
所有概念
所有主題
所有引用
所有標籤
都變成 nodes。
關係：
A 引用 B
B 屬於主題 C
A 與 D 有高相似度（用 weight）
E 與 F 有衝突關係
這正是你想要解決的問題。
✔ 4.2 個人認知圖 / 內隱知識建模（Personal Knowledge Map）
不同人可以：
Fork 一份主圖
按自己的理解重新調整距離
加注記
用不同方式分類
這是你提過的：「每個人對關係距離的定義不同」。
Graph Commons 做這個很自然。
✔ 4.3 組織架構、社會網絡、專案結構
支援：
人與組織
團隊之間的互動
專案的依賴關係
也能用關係權重表示：
影響力
重要性
頻率
強度
✔ 4.4 策略地圖 / 系統地圖（比 Kumu 弱一點，但能做）
雖然沒 Kumu 那麼強調 systems thinking（因果循環等），但：
群聚
邊的類型
路徑分析
都很適合做策略藍圖。
✔ 4.5 內容地圖 / 媒體關係圖（特別擅長）
Graph Commons 更常被用於：
調查性新聞
媒體生態系
企業關係 & 股權
知識產權網絡
組織資料視覺化
這類屬於「社會網絡分析」。
🟥 5. Graph Commons vs. Kumu（你的需求比較）
功能面 | Graph Commons | Kumu |
|---|---|---|
多人協作 | ⭐⭐⭐⭐⭐（原生、可 Fork 版本） | ⭐⭐⭐⭐ |
個人化版本 | ⭐⭐⭐⭐⭐（Fork、分支、合併） | ⭐⭐⭐（需複製計畫） |
關係權重欄位 | ⭐⭐⭐⭐⭐（非常自然） | ⭐⭐⭐⭐（可做、自訂欄位） |
用戶可手動調整距離 | ⭐⭐⭐⭐⭐（用拖曳 + 欄位編輯） | ⭐⭐⭐⭐⭐ |
知識管理 | ⭐⭐⭐⭐（適合 metadata 式） | ⭐⭐⭐⭐（適合系統思考） |
系統思考（CLD / Systems Map） | ⭐⭐⭐（能做，但弱） | ⭐⭐⭐⭐⭐（強項） |
視覺客製化 | ⭐⭐⭐⭐（色彩/類型） | ⭐⭐⭐⭐⭐（CSS-like） |
學習曲線 | ⭐⭐⭐（族繁不雜，但容易） | ⭐⭐⭐⭐（更進階） |
用一句話比較：
Graph Commons = 社群型關係圖（多人 + Fork + 資料焦點）
Kumu = 系統思考視覺引擎（樣式 + 路徑 + layout 強）
🟥 結論：Graph Commons 非常適合你的需求
你說過：
文件之間的關係：每人不同
希望人類能手動調整距離
要視覺化的編輯介面
要能表達「自訂關係強度」
希望多人可建立不同版本
Graph Commons 完全符合：
✔ node/edge metadata（你可建立 weight）
✔ 拖曳距離＝直覺表現認知距離
✔ 每個人可以 fork map（個人視角）
✔ edge 權重可以反映在視覺樣式
✔ 圖可自由瀏覽 + 篩選 + highlight
✔ 沒有學習程式語言的需求
沒有留言:
張貼留言