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 1433 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中揭示学科知识结构的核心方法。通过统计文献关键词的共现频率，CiteSpace 可生成反映研究热点与演进路径的科学知识图谱。其价值主要体现在三方面：

1. 识别研究热点：高频共现关键词群反映学科关注焦点
2. 发现知识关联：节点间的连线揭示跨领域研究主题的联系
3. 追踪演进趋势：时区视图呈现研究主题的兴衰变化

新手常见痛点分析

1. 数据格式错误

WOS 导出的纯文本数据常因编码格式或字段缺失导致 CiteSpace 解析失败。典型问题包括：

• UTF- 8 编码未保存
• 作者字段包含特殊字符
• 参考文献行未完整导出

2. 聚类效果差

• 节点过度拥挤（修剪参数不当）
• 聚类边界模糊（相似度阈值设置不合理）
• 关键节点缺失（数据清洗过度）

3. 图谱解读困难

• Q 值 >0.3 但聚类结构不清晰
• 高中心性节点无实际学术意义
• 时区演进路径断裂

技术解决方案

数据预处理（Python 示例）

import pandas as pd

# 读取 WOS 导出文件
df = pd.read_csv('savedrecs.txt', sep='\t', encoding='utf-8')

# 关键字段清洗
def clean_text(text):
    return str(text).replace('α','alpha').replace('®','').strip()

df['DE'] = df['DE'].apply(clean_text)  # 处理关键词字段
df['CR'] = df['CR'].apply(lambda x: x[:500] if len(str(x))>500 else x)  # 截断过长参考文献

# 保存为 CiteSpace 兼容格式
df.to_csv('processed_data.txt', 
          sep='\t', 
          index=False, 
          encoding='utf-8-sig',
          columns=['PT','AU','TI','SO','DE','CR','PY'])

CiteSpace 参数配置

1. 时区分割
2. 建议按 3 - 5 年划分时段

3. 选择 ”Top N per slice” 保持各时段数据均衡

4. 节点类型

5. Keyword 分析选择 ”Term” 而非默认 ”Author”

6. 勾选 ”Remove duplicate terms”

7. 修剪算法

8. Pathfinder+Pruning sliced networks 组合效果最佳
9. Minimum Spanning Tree 适用于小数据集

可视化优化技巧

• 节点大小 ：按中介中心性(Betweenness) 而非频次调整
• 颜色映射：使用 ”Time Zone” 模式显示演进趋势
• 标签显示：开启 ”Label Clusters by LLR” 自动标注聚类主题

避坑指南

WOS 数据导出注意事项

1. 选择 ”Full Record and Cited References” 导出层级
2. 导出格式务必为 ”Tab-delimited (Win)”
3. 单次导出记录建议不超过 2000 条

特殊字符处理

• 数学符号：在 Python 预处理阶段统一替换
• 版权符号：使用正则表达式re.sub(r'[©®™]', '', text)
• 希腊字母：转为英文拼写（如 α→alpha）

结果解读要点

1. 模块度(Q 值)

2. 0.3 表示显著聚类结构

3. <0.2 需检查数据质量

4. 轮廓值(Silhouette)

5. 0.5 说明聚类内部一致性高

6. 结合 LLR 标签判断主题区分度

延伸思考

1. 如何通过时区视图识别新兴研究主题？
2. 当 Q 值高但轮廓值低时，应如何优化聚类参数？
3. 对比 Pathfinder 和 MST 算法生成的网络结构差异

（注：因平台限制，示意图需读者自行补充 CiteSpace 界面截图和流程图）