CiteSpace关键词聚类轮廓值查看方法详解：从数据导出到可视化分析

共计 1212 个字符，预计需要花费 4 分钟才能阅读完成。

背景介绍

在文献计量学研究中，关键词聚类分析是揭示领域知识结构的重要手段。轮廓值 (Silhouette Value) 作为评估聚类质量的经典指标，其取值范围在 - 1 到 1 之间：

• 接近 1 表示样本与所属聚类匹配度高
• 0 附近说明样本处于两个聚类边界
• 负值则可能提示聚类设置不合理

核心问题

许多 CiteSpace 新手常遇到两个困惑：

1. 界面中找不到轮廓值的直接显示位置
2. 导出的聚类报告表头字段含义不明确

解决方案

方法一：CiteSpace 界面直接查看

1. 完成聚类分析后，在菜单栏选择Cluster > Summary of Clusters
2. 弹出的报告窗口中找到 Silhouette 列（通常位于最右侧）
3. 点击列标题可对聚类质量进行排序

注意：需确保在 Configuration 中已勾选 Calculate Silhouette 选项

方法二：Excel 深度分析

1. 导出数据：Export > Cluster Table
2. 在 Excel 中使用条件格式突出显示：

选择数据区域 > 开始 > 条件格式 > 色阶

1. 添加辅助列计算聚类平均值：

=AVERAGEIF(B$2:B$100, A2, C$2:C$100)

方法三：Python 可视化

import pandas as pd
import matplotlib.pyplot as plt

# 读取 CiteSpace 导出数据
data = pd.read_csv('cluster_results.csv')

# 绘制轮廓值分布
plt.figure(figsize=(10,6))
plt.hist(data['Silhouette'], bins=20, alpha=0.7)
plt.axvline(x=0.5, color='r', linestyle='--')
plt.title('Silhouette Value Distribution')
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.show()

结果解读标准

根据 Rousseeuw 提出的经典判断标准：

• 0.7：强聚类结构

• 0.5-0.7：合理结构
• <0.25：可能无实质聚类

避坑指南

常见问题及解决方法：

1. 数值全为 1 或 -1：检查是否误用了二进制网络数据
2. 大量负值 ：尝试调整Node Selection Criteria 中的 g -index 参数
3. 缺失值 ：确认分析时勾选了Silhouette Measure 选项

进阶技巧

建议结合以下指标综合判断：

• 模块度(Q 值)
• 平均轮廓宽度
• 聚类间相似度矩阵

延伸阅读

1. Chen, C. (2017). Science Mapping: A Systematic Review.
2. Rousseeuw, P.J. (1987). Silhouettes: a Graphical Aid to Cluster Validation.
3. CiteSpace 官方手册第六章：Advanced Cluster Analysis

通过上述方法，研究者可以系统评估关键词聚类结果的可信度。建议在论文方法部分同时报告轮廓值均值和分布情况，使分析过程更加透明可靠。