CiteSpace关键词聚类操作实战：从数据清洗到可视化分析

共计 1410 个字符，预计需要花费 4 分钟才能阅读完成。

背景介绍：为什么选择 CiteSpace？

CiteSpace 作为文献计量学的经典工具，其核心价值在于通过算法自动识别学科领域的研究热点与演进趋势。与传统手工分析相比，它具备三大独特优势：

• 动态网络分析 ：支持时间切片功能，能直观展示研究主题的演化路径
• 智能聚类 ：结合 TF-IDF 算法自动提取标签，避免人工归纳的主观性
• 爆发检测 ：通过突变词分析快速锁定前沿研究方向

数据准备：从原始数据到可分析格式

Web of Science 数据导出要点

1. 在 WoS 高级检索界面限定目标文献时间范围（建议 5 -10 年）
2. 勾选 ” 标题、摘要、作者关键词 ” 等必选字段
3. 导出格式选择 ” 纯文本 ”，记录内容选 ” 全记录与引用的参考文献 ”

CNKI 数据特殊处理

• 使用知网导出器的 NoteFirst 格式转换功能
• 需手动补全英文标题字段（中文文献需翻译）
• 注意检查作者机构名称的统一性（如 ” 北京大学 ”vs”Peking Univ”）

核心参数配置指南

时间切片设置

• 基础规则：单个切片跨度建议 1 - 2 年
• 示例配置（2010-2020 年研究）：

  Years per slice: 1
  # Slices: 11

节点类型选择

• 关键词分析选择 ”Term”
• 机构合作网络选择 ”Institution”
• 注意勾选 ”Keyword Plus” 增强覆盖率

修剪算法对比

可视化优化技巧

聚类标签调整

1. 在控制面板调整 ”Label Size Threshold”（建议 15-20）
2. 使用 ”Modify Labels” 功能手动合并相似标签
3. 通过 ”Cluster Explorer” 检查 TF-IDF 权重值

时区图美化

• 调整 ”Node Size Scaling” 突出高中心性节点
• 使用 ”Layout->Timeline” 模式展示演进路径
• 导出时选择 SVG 格式便于后期编辑

实战案例演示

以 ” 人工智能医疗 ” 领域为例：

1. 导入 2015-2022 年 WoS 数据（500 篇文献）
2. 参数设置：

   Node types: Keyword
   Selection criteria: g-index=25
   Pruning: Pathfinder + MST

3. 生成的关键词共现网络：
   
4. 突变词检测结果：
5. 2017 年爆发：deep learning
6. 2020 年爆发：COVID-19

常见问题解决方案

内存溢出错误

• 解决方案：
• 修改 citospace.vmoptions 文件增大内存分配
• 分时段处理大数据集（如按 5 年分段运行）

聚类结果碎片化

• 检查步骤：
• 确认原始数据关键词清洗是否充分
• 尝试调整 LLR 算法权重
• 适当放宽 Selection Criteria 阈值

进阶交叉验证方法

与 VOSviewer 结果比对

• 导出 network 文件到 VOSviewer
• 重点对比：
• 核心关键词重合度
• 聚类边界一致性

Pajek 网络分析补充

• 用 Pajek 计算：
• 网络密度指标
• 核心 - 边缘结构分析

学术伦理提醒

• 数据来源必须明确标注（如 WoS 数据集编号）
• 网络图谱需注明参数设置
• 避免选择性展示有利聚类结果

延伸资源

• 官方教程：https://citespace.podia.com
• 示例数据集：https://pan.baidu.com/s/example
• 交流 QQ 群：123456789（验证：CiteSpace）

实际操作中发现，Pathfinder 算法在处理跨学科文献时效果尤其突出，但需要特别注意 LBY 参数的微调。建议首次分析时采用默认值，后续根据网络密度逐步优化。