metaknowledge是基于networkx模块的进一步封装的python安装包，即在进行知识网络绘制和分析时不仅可以使用networkx模块中原有的各种方法，也可以使用metaknowledge中的高阶方法。metaknowledge中有10种网络数据生成器（Generator），具体介绍如下表。虽然很多方法在处理数据和绘制网络图的过程逻辑一致，但是研究人员对于呈现的网络需求可能不同。比如在进行共被引网络（co-citation networks）分析时，连线的权重值为1的边通常被认为是噪音数据，研究者也可根据设置的节点阈值进行节点过滤。
进一步为满足根据某些属性修改网络的需求，metaknowledge中提供dropEdges(), dropNodesByDegree()和dropNodesByCount()等方法。这三种方法中第一个参数都是它们将要修改的图形的变量名称。它们修改的方式是在原地修改原始图形，而不是生成新图形，从而在处理大型网络时提高计算效率，然后有一系列可选参数来控制筛选连线或节点的条件，包括下限和上限阈值、属性的名称以及是否丢弃自循环等。