CiteSpace关键词共现聚类实战指南：从数据清洗到可视化解读

共计 1343 个字符，预计需要花费 4 分钟才能阅读完成。

关键词共现聚类的学术价值

关键词共现聚类分析是文献计量学的核心方法之一，通过统计文献中关键词的共现频率，可以揭示学科领域的知识结构、研究热点和发展趋势。CiteSpace 作为专业的知识图谱工具，能够将复杂的共现关系转化为直观的聚类视图，帮助研究者快速识别领域内的核心主题和演化路径。相较于传统文献综述，该方法具有数据驱动、可视化呈现和动态分析三大优势，特别适合新兴交叉学科的研究现状梳理。

新手面临的典型问题

1. 数据格式错误：Web of Science 导出的原始数据常包含冗余字段或特殊符号，直接导入 CiteSpace 会导致解析失败。
2. 聚类效果差：不合理的参数设置（如时间切片过密、修剪阈值过高）会导致聚类分散或过度合并。
3. 图谱解读困难：缺乏对模块度（Q 值）、轮廓值等关键指标的理解，难以评估聚类质量。

技术实现方案

数据预处理

使用 Python 的 pandas 库进行数据清洗，以下脚本处理 WOS 导出的 txt 格式数据：

import pandas as pd
import re

# 读取原始数据
df = pd.read_csv('savedrecs.txt', sep='\t', encoding='utf-8')

# 保留关键字段（示例）keep_columns = ['TI', 'DE', 'ID', 'PY']
df = df[keep_columns].copy()

# 清洗特殊字符
def clean_text(text):
    if pd.isna(text): return ''text = re.sub(r'[^\w\s,]','', str(text))  # 移除非字母数字字符
    return text.upper().strip()

df['DE'] = df['DE'].apply(clean_text)
df['ID'] = df['ID'].apply(clean_text)

# 保存为 CiteSpace 兼容格式
df.to_csv('cleaned_data.csv', index=False, sep='\t')

CiteSpace 参数配置

1. 时区分割：建议按 3 - 5 年划分时间切片，平衡时间分辨率和数据量需求。
2. 节点类型 ：选择Keyword 进行共现分析，源数据选择 DE(作者关键词) 或ID(WOS 关键词)。
3. 修剪算法：
4. Pathfinder：保留重要连接，适合大网络
5. MST：生成最小生成树，结构更简洁
6. 建议初始设置：Pathfinder + Pruning sliced networks

可视化优化技巧

• 节点大小：映射关键词出现频次（Size=Frequency）
• 颜色方案 ：使用Cluster 模式区分不同主题群组
• 标签显示 ：通过Label>Threshold 控制标签密度，避免重叠

常见问题解决方案

1. WOS 数据导出规范：
2. 导出时选择 纯文本 格式
3. 字段至少包含DE,ID,PY,TI

4. 字符编码选择UTF-8

5. 特殊字符处理：

6. 数学符号（如 β）需替换为英文单词

7. 中文关键词建议统一翻译为英文

8. 聚类质量评估：

9. Q 值 >0.3 表示聚类结构显著
10. 轮廓值 >0.5 说明类内紧密度良好
11. 结合 Timeline 视图观察聚类时间演化

延伸思考

1. 如何通过 Burst Detection 功能识别突现关键词？
2. 对比 Keyword 与Term节点的分析结果差异？
3. 当 Q 值 <0.3 时，应调整哪些参数重新分析？

（注：因技术限制，示意图需读者自行补充或参考官方文档）