摘要：信息技术的飞速发展和科研领域数据量的爆炸性增长，使得科研领域面临的一个显著挑战——如何有效管理和利用日益增长的大数据。在这种需求推动下，知识图谱（Knowledge Graph，KG）应运而生，成为连接分散数据点、揭示深层次学术关系的关键工具，真正做到了“一图胜万言”。文章将从体验性到功能性出发，提出了一套创新的设计改进方案，目的在于克服现有的交互障碍，提升检索效率及结果准确度，进而为用户带来更加直观、易于学习和个性化的使用体验。

　　关键词：知识图谱；交互设计；用户认知

　　一、知识图谱发展历程及当前困境

　　知识图谱是一种用图模型来描述知识和建模世界万物之间的关联关系的技术方法[1]，它用实体和概念作为节点，用边表示节点间的语义关系[2]，并采用图的方式描述和表达知识，形成一个大规模的语义网络。知识图谱概念的提出可以追溯到1972年，当时奥地利语言学家EdgarW.Schneider在讨论如何构建课程模块化教学系统时创造了这一术语。20世纪80年代末，格罗宁根大学和特温特大学联合发起了一个名为“知识图谱”的项目，该项目聚焦于构建边缘关系受限的语义网络设计，以便于在图谱上执行代数运算。

　　总的来说，知识图谱的发展历程可概括为三个时期（如图1所示）。国内众多企业在2012年起开始参与知识图谱的研发与应用，以百度、阿里巴巴、腾讯为首的科技巨头开始在搜索、电商、医疗等多个领域探索知识图谱的应用。同时，服务商也在大数据领域崭露头角，将知识图谱技术扩展至安防、金融、教育等更广泛的领域，推动AI技术超越感知智能的应用局限，更深入地解决各个产业环节中的核心问题。

　　尽管知识图谱技术在过去几十年中取得了显著进展，其应用领域也不断拓展，但在当前的设计与应用过程中仍面临一系列挑战和困境——尤其用户交互存在着直观性和友好性不足的问题，缺乏有效的个性化和上下文感知机制，限制了知识图谱在科研及领域的应用潜力。

　　二、认知加工：自下而上与自上而下的信息处理

　　用户与知识图谱的交互过程同样是用户认知的加工过程。在认知加工的过程中，知觉过程通常被称为“自下而上”（Bottom-up）和“自上而下”（Top-down）两种信息处理方式。自下而上加工主要指按照“刺激→受该刺激驱动的神经活动→识别该刺激”这一路线前进的信息流；而自上而下是指，在决定我们的感觉以及随之而来的知觉对象是什么时，带入我们预期的、了解的以及从周围情境得来的体验这一加工过程。这两种加工过程在我们解读和理解知识图谱中扮演着关键角色，影响我们如何接收、处理并对信息作出反应。

　　1.以数据为驱动：关键信息凸显与密度管理

　　自下而上的加工主要是按照刺激本身（即数据）来引出一个合理感知对象的加工过程，从而理解刺激，所以有时被称为“数据驱动加工”（Date-driven Processing）[3]。用户在没有心理预期的情况下使用知识图谱，需要设计者从用户认知出发，设计一个符合用户认知信息加工流程的交互过程。用户感知数据，处理数据和输出数据，即完成“感知—认知—行为”这一过程。

　　自下而上的认知流程在用户注意阶段可以帮助用户在解读信息时提高视觉搜索效率，直接引导用户的操作。在知识图谱中可视化交互设计中，视觉产生的刺激决定了用户认知过程进展的顺利与否。不同元素特征对视觉的注意捕获程度也不同，可以对重要性较高的信息实体在设计中利用颜色、大小和布局进行凸显，从而优先呈现，有效引导用户操作。例如使用高亮的颜色、合适的文字和均衡的布局来吸引用户的注意力，并通过这些视觉元素协助用户的认知进展。

　　而当数据呈现密度过于紧密时，容易造成用户视觉疲劳，导致用户认知负荷过载，阻碍认知进程的推进；当数据呈现过于稀疏时，用户获取信息则少，容易导致用户认知负荷过低，造成信息遗漏、误操作和反应迟缓等问题。合理控制视觉元素，集中呈现与任务相关的部分，使得数据密度呈现在适中水平，帮助用户分析认知，提高交互效率，优化阅读体验。此外，适当的留白可以提高界面整体平衡度，可避免堆叠造成的不适感，提高用户体验，给予用户美的体验。

　　2.以概念为驱动：构建理解框架与促进深度学习

　　自上而下的加工过程侧重于从已有知识、预期目标和周围情景出发，使用这些信息来决定感知以及认知对象。因为自上而下的加工是概念对知觉的应用，所以有时也被称为“概念驱动加工”。

　　自上而下的加工强调从个人预期、知识和经验对感知的影响。设计强调“以人为中心”，在知识图谱的设计过程中，可以尝试将操作的主导权递给用户，给予用户充分的自由度和能动性，从而为用户创造更好的信息环境和认知体验。在用户利用知识图谱的过程中，他们根据自己的偏好及先前的专业知识或经验，形成了特定的行为习惯。为了更好地服务不同层次的用户，本研究结合了各行业标准的界面设计模式，通过预设视图或个性化界面设计，帮助用户快速找到自身定位并根据其习惯访问最相关的信息和工具。

　　三、界面要素：可见、可辨与可知的设计原则

　　知识图谱的界面要素决定了呈现给用户的信息是否合理，能否正确地服务用户认知信息。这不仅涉及界面设计的基本原则——可见性、可辨性与可知性[4]，确保用户能够轻松识别和理解信息，但也延伸到如何通过视觉设计提升整体用户体验的层面。因此，精心设计的界面要素既是服务于用户认知过程的基础，也是提升用户体验和满意度的关键。

　　1.提升可见性：感知通道多维

　　根据可见性原则，设计知识图谱界面时需确保信息能通过用户的感知通道直接、准确地被感知。这意味着设计不仅要注重视觉呈现的清晰度和可访问性，还要考虑如何通过声音或触觉等其他感官方式来补充信息的传达。例如，对于复杂的知识图谱信息，除了通过色彩饱和度、大小、布局等视觉手段进行区分外，还可以通过声音提示来强调新更新或关键信息的出现。

　　在另一个实例中，设计师可能会考虑如何在用户浏览知识图谱时，通过视觉设计的层次和重点，引导用户的视线流动。设计还应注重美学元素，创造出既实用又美观的界面。通过融合美学原理，如和谐的色彩搭配和动态效果的平滑过渡，可以大幅提升用户的视觉享受，从而增加用户与界面的互动时间和深度。

　　2.增强可辨性：视觉分层清晰

　　视觉中心并非画面中心或是界面中心，而是指人在画面中看到的三度幻觉空间的中心点[5]遵循可辨性原则，知识图谱界面设计必须确保目标对象在视觉上易于与其他对象区分。通过巧妙运用形状、色彩、位置、大小、动作等编码形式，设计师能显著提升用户的辨识效率。设计师应当将编码间的差异必须大于用户的差别阈限，帮助用户即使在信息密集或视觉复杂的界面中，也能迅速识别关键信息。

　　此原则的应用不仅限于视觉设计元素的选择，还涉及如何通过视觉提示促进信息的层次性和组织性理解。例如，通过为不同级别的信息使用不同的视觉权重，可以帮助用户在浏览复杂数据时，迅速把握信息的主次关系。在追求视觉上分层清晰的同时，应用美学设计原则，如对比、平衡和视觉中心，可以进一步提高界面的视觉吸引力。通过精心设计的视觉层次和美观的视觉效果，不仅能够提升用户的辨识效率，还能让用户在使用过程中享受到美的感受。

　　3.确保可知性：表征设计统一

　　可知性原则强调的是设计的表征载体应该能被用户轻易理解，确保用户能够明白界面显示的内容。这要求设计不仅要遵循标准化和一致性原则，还要确保其与用户的常规经验相符合。设计的编码需要避免与常规或国际标准相冲突，并且在同类设计中保持连贯性。这种方法不仅有助于提升用户的直观理解和交互效率，还能增强用户对界面的信任感和满意度。

　　确保界面设计中的图标、色彩和布局等元素的意义与概念符合人的普遍经验。例如，一个向右的箭头通常表示“前进”或“下一步”，放大镜图标代表“搜索”，而垃圾桶图标则代表“删除”操作。通过使用这些普遍认可的符号和元素，用户能够在没有额外指导的情况下，直观地理解和使用界面。

　　在实践中，考虑到不同文化和地区对某些符号和颜色的理解可能存在差异，设计师需要在创建知识图谱界面时，对目标用户群体的文化背景进行深入研究。例如，在设计一个国际化的医疗知识图谱平台时，使用国际上广泛认可的健康和安全符号，确保不同国家和文化背景的用户都能准确理解界面上的信息和警告。

　　四、交互流程：逻辑性、效率性与体验感的综合优化

　　知识图谱交互设计的目标是通过人机交互让用户可以高效地使用软件系统，并能够在与系统的交互中产生良好的情感体验。在这个过程中，一个精心设计的交互设计流程至关重要，它能确保用户、系统和环境三者的和谐运作。在交互设计三要素中，用户是人机交互的主体，系统界面是人机交互的载体，而环境是贯穿于整个人机交互过程的影响体。优秀的交互设计能使用户、系统和环境三者和谐运作。在交互设计三要素中，用户是人机交互的主体，系统界面是人机交互的载体，而环境是贯穿于整个人机交互过程的影响体。

　　1.增强逻辑：指引流程循序渐进

　　在设计交互流程时，必须考虑到用户的多样性，尤其是区分新手与经验丰富的用户。对于初学者，系统应提供一种循序渐进的学习路径，通过分步骤地教学和引导，使他们能够逐步掌握系统的使用。这种引导方式可以是交互式教程、示例任务、提示消息或者帮助文档。例如，一款图形设计软件在首次启动时，可能会提供一个简单的设计任务，通过完成这个任务，新用户能够了解基础工具的使用方法。

　　进阶的用户则期望系统能提供更高效、更强大的功能，以满足他们复杂的需求。因此，系统设计应该允许用户根据自己的熟练程度选择不同的操作路径。例如，可以通过高级设置选项，让经验丰富的用户自定义快捷键，从而加快他们的工作流程。

　　2.提高效率：用户操作简明扼要

　　在复杂信息系统的交互设计中，尤其是在知识图谱界面，理解用户认知的顺序性和序列性对于提高操作效率至关重要。阿恩海姆曾指出：在视知觉中，一旦达到了对某一范式的最简单的理解，它就会显得更稳定，具有更多的意义，更容易掌握[6]。设计时应深入考虑用户的交互行为逻辑，以引导用户的注意力集中于相关信息上ßß。为了实现这一目标，简化交互结构成为关键策略，具体包括以下几个方面：

　　首先，简化交互结构和视觉设计是提高效率的基础。这不仅意味着减少视觉元素和界面组件的数量，更重要的是在保持导航组件合理性、去除无效交互组件的同时，实现数据、视觉要素与交互空间的平衡。这种平衡有助于减少用户的认知负荷，使用户能够更快地理解和操作系统。其次，建立一个清晰的可视化交互结构至关重要。通过设定明确的交互目标和正确的操作顺序，可有效地引导用户以最自然的方式进行交互。其三，本•施奈德曼（BenShneiderman）提出的“直接操作”概念[7]，强调了在对象上执行的视觉和手势操作的重要性及其即时可视结果。实现直接操作可以大幅降低用户的操作难度，提高操作直觉，减少用户的阅读时间和难度，同时创造更直接的审美体验。

　　3.丰富体验：环境响应细致及时

　　提升用户体验不仅涉及界面的美观性和操作的便捷性，还包括对操作环境的考虑。在设计人机交互系统时，必须考虑到用户的操作环境，如光线、声音、设备稳定性等因素，这些都会影响用户的交互体验。例如，在知识图谱的界面设计时应考虑到用户可能的使用环境，是否需要根据系统时间变化提供自适应的深色模式或是在界面设计上使用高对比度的色彩，从而减少用户的视觉疲劳，增加用户的使用体验。

　　在用户使用知识图谱的过程中，系统应对用户的每个动作都有及时地反馈。及时的反馈能够帮助用户清晰地知悉自身的操作所产生的结果以及系统当前的状态。对于用户不同的动作，反馈应采用不同的响应幅度。对于常用和少用的动作，其响应应是适中的，如按钮点击时的颜色变化、简单动画或是更改设置、启用特殊功能，旨在快速告知用户他们的动作已被成功接受；而对于不常用的和主要的动作，其响应则应是更多的，如关系网络生成、错误操作等，确保用户完全理解操作的状态和结果。此外，提供容错和恢复机制是提升用户体验的重要方面。

　　五、结语

　　随着大数据和人工智能技术的不断进步，知识图谱的构建和应用将更加精准和高效，数字技术的未来发展也将为知识图谱带来更多可能性。随着5G、物联网、边缘计算等技术的发展，数据采集和处理的速度和能力将得到极大提升。这意味着知识图谱将能够实时更新和扩展，能够处理更大规模、更复杂的数据集。

　　知识图谱的市场应用和数字技术的未来发展展现出广阔的前景。通过优化交互设计，我们不仅能够提升用户体验，还能够更好地利用知识图谱处理和分析数据，从而在各个领域实现更加精准和高效的决策支持。面向未来，知识图谱和数字技术的融合将是一个持续探索和创新的过程，它将为我们带来更多的可能性和机遇。

　　参考文献：

　　[1]Singhal,Amit.Introducing the Knowledge Graph:Things,Not Strings.Official Blog(of Google),2012.

　　[2]JIS,PANS,CAMBRIAE,etal.A survey on knowledge graphs:Representation,acquisition,andappli-cations[J].IEEE transactions on neural networks and learning systems,2021,33(2):494-514.

　　[3]玛格丽特•马特琳.认知心理学:理论、研究和应用[M].北京:机械工业出版社,第33页.

　　[4]薛澄岐.复杂信息系统人机交互数字界面设计方法及应用[M].南京东南大学出版社,2015.11.269.

　　[5]吴珊.格式塔心理学原理对平面设计的启示[J].吉林艺术学院学报,2008,No.86(05):3-21.

　　[6]鲁道夫•阿恩海姆.艺术与视知觉[M].中国社会科学出版社,1984.

　　[7]Shneiderman B.Direct manipulation:A step beyond programming languages[J].Computer,1983,16(08):57-69.