オントロジーの基礎：エンティティ・関係・出典

3週間前、会議ノートに「パク・ジウは、釜山に本社を置くハヌル・ロボティクスを創業した」と1行だけ書きました。今日、「釜山のロボット企業とつながりのある知人は誰？」と尋ねたいとします。

フォルダにもタグにも、この質問には答えられません。あらかじめ質問を予測したタグがないからです。しかし、文章が構造化された事実として保存されていれば、答えはわずかなつながりをたどるだけで見つかります。

このレッスンではMarkdownを変えずに文章を検索可能な事実にする過程を扱います。原文の事実は再抽出できます。オントロジーの意味を保つには、グラフ、語彙、人の判断を一緒にエクスポートします。

オントロジーとは何か

オントロジーとは、2つの問いに答える共通語彙です。1つ目は、どのようなものが存在するか（人物、組織、場所）。2つ目は、それらがどう関係するか（創業した、本社を置く、開発する）です。

すべてのノートにある事実が、この共通語彙を使うとします。2024年の会議ノートと2026年の読書ノートが互いに言及していなくても、事実は同じモデルに入り、つながります。

Consilienceのオントロジーには、このレッスンで扱う3つの要素があります。基本の11種類と独自のエンティティ分類（何であるか）、開かれた関係動詞の語彙（どうつながるか）、リテラル属性（日付や数値などの値）です。4つ目のStatementは、自分の意思決定や問いを原文のまま記録します。こちらは別のレッスンで扱います。

エンティティには同一性がある

通常のMarkdownでは、「PostgreSQL」は単なる文字列です。検索すれば文字は見つかりますが、1月のノートと6月のノートにある「PostgreSQL」が同じ対象だとファイル自体が理解しているわけではありません。

グラフの最初の役割は、同一性を扱うことです。抽出された対象はすべてエンティティとなり、正規化したラベル（前後の空白を除去し、連続する空白をまとめ、小文字化）からアドレスが決まります。20件のノートで「PostgreSQL」に言及しても、すべてが1つのノードへ集まり、そのノードが4つの情報を持ちます。

• 標準表示ラベル：アプリの各所で表示するエンティティ名。
• 別名：ノートに実際に記された他の名前。どの別名も自分の言葉へ直接たどれます。
• エンティティの内容や役割を示す1行の説明。
• 任意の種類：基本の種類や設定済みの独自の種類から選び、ノートごとに記録します。

トリプル：主語・述語・目的語

グラフが保存する事実の形は1つ、トリプルです。主語 → 述語 → 目的語として読みます。「パク・ジウがハヌル・ロボティクスを創業した」。主語は事実の中心となるエンティティ、述語は型の付いた関係、目的語は別のエンティティまたは値です。これが最小単位です。身の回りについて述べられる内容は、この形へ分解できます。

ノートを保存すると、抽出器が各文を読み、見つけたエンティティとその間の関係を取り出します。冒頭の文章を分解すると、次のようになります。

Sentence in your note:
  "Jiwoo Park founded Haneul Robotics, which is
   headquartered in Busan."

The facts it becomes:

  (Jiwoo Park)       is a                (Person)
  (Haneul Robotics)  is an               (Organization)
  (Busan)            is a                (Place)
  (Jiwoo Park)       founded →           (Haneul Robotics)
  (Haneul Robotics)  headquartered in →  (Busan)

目的語はエンティティとは限りません。数値、日付、測定値はリテラルとして保存されます。トリプルの末尾に置かれる単純な値です。そのため、「2024年に公開」は、不要なノードを増やすのではなく、エンティティの値になります。多くは、取り込んだ表やCSVの行から得られます。

オントロジー

何が存在するか（種別）と、どう関係するか（述語）を表す共通語彙です。

エンティティ

ノートをまたいで安定した同一性を持ち、文字列ではなくノードとして保存される対象です。

トリプル

主語、述語、目的語からなる、最小の完全な事実です。

述語

「創業した」「本社を置く」など、主語と目的語を結ぶ型付きの関係です。

リテラル

トリプルの目的語となる単純な値（数値、日付、文字列）です。

名前付きグラフ

各事実をどのノートが記したかを保存する、ノートごとのコンテナです。

RDF

Consilienceがこれらの情報を保存するW3C標準のデータモデルです。

名前付きグラフ：どのノートに書かれていたか

出典のない事実は噂と変わりません。そのため、Consilienceは裸のトリプルを保存しません。各ワークスペースは端末上にローカルRDFストアを持ち、すべての事実は、それを記したノートに属する名前付きグラフ内へ保存されます。グラフのアドレスは、ワークスペースを基準としたノートの相対パスです。つまり各事実は、主語、述語、目的語、出典ノートからなるクワッドです。

Every fact is stored WITH the note that asserted it:

  (Haneul Robotics) headquartered in → (Busan)
      from note:  meetings/2026-03-kickoff.md

The source note comes straight from the note's path.
The "which note said this" record is built into every fact.

• ノートを再抽出 → そのノートのグラフだけを置き換えます。他のノートの事実には影響しません。
• ノートを削除 → 対応するグラフを削除します。名前を変更 → 新しいパスをキーとしてグラフを付け替えます。
• Markdownには一切変更を加えません。グラフはファイルと並行して存在し、いつでもファイルから再構築できます。
• 持ち運べます：グラフ全体をgraph.nqファイルとしてエクスポートできます。共有ダイアログの「ナレッジグラフ（オントロジー）を含める」を選ぶと、共有先向けに同梱されます。

基本・独自の種類と開かれた動詞

基本の11種類は、グラフの色、表、フィルターが共有する土台です。「オントロジー」で基本の種類を親に持つ独自の種類を定義でき、抽出器はその詳細な分類も選べます。根拠が足りない場合は未分類のままにします。

関係を示す動詞は、ノートの表現からそのまま得られます。「本社を置く」は「本社を置く」のまま、日本語の動詞も保持されます。グラフはノートの言語を使い、述語を普通の言葉で表示します。「分野別語彙」パネルでは、標準述語とその表現違いを定義できます。たとえば、「作った」と「開発した」を1つの「開発する」エッジへ抽出時にまとめられます。

関係をたどって複数の文書を検索

1つのファイルは1つのフォルダにしか置けないため、階層はすべてのノートに1つの置き場所を強います。タグは、事前に考えて付ける平坦なラベルです。グラフにはどちらも不要です。すべての事実に独自のアドレスがあり、ドキュメントを探す代わりに関係をたどります。これは記憶の働きにも近い方法です。

• 複数ホップの質問を機械的に処理できます。人物 → 創業した → 企業 → 本社を置く → 都市。「釜山のロボット企業とつながりのある知人は誰？」は、2段階の関係をたどる質問です。
• 想定外の質問にも答えられます。「robotics-busan」のタグを付けた人はいなくても、事実を組み合わせれば答えがあります。
• 自動的に集約します。1つのプロジェクトに言及する20件のノートが散在していても、すべて同じノードへ集まります。ノート同士を手作業でリンクする必要はありません。
• エージェントが推論できます。出典付きの構造化された事実は、キーワード検索を超えて、AIがたどり、引用できる対象になります。

まとめ：1つのモデルをすべての画面で使う

これでモデル全体を把握できました。ノートからエンティティを読み取り、正規化されたラベルから同一性を決めます。エンティティはトリプルで結ばれ、各トリプルは、それを記したノートの名前付きグラフへ保存されます。このコースで見るグラフ画面はすべて、同じ構造を別の角度から見せるものです。3Dビュー、エンティティテーブル、プロフィールページがそれに当たります。