CiteSpace关键词聚类时间轴技术解析：从数据预处理到可视化实战

1次阅读

共计 1502 个字符，预计需要花费 4 分钟才能阅读完成。

传统文献综述的局限性
传统文献综述依赖人工阅读和总结，难以系统化地发现知识演进规律。
面对海量文献时，手动分析效率低下且容易遗漏重要趋势。
关键词共现网络的价值
关键词共现网络能够直观反映研究领域的知识结构和热点变迁。
通过聚类分析，可以识别领域内的核心主题和新兴研究方向。
CiteSpace 的常见问题
数据格式转换复杂，尤其是从 Web of Science 或 CNKI 导出的原始数据。
参数配置（如时间切片、节点筛选）对结果影响大，但新手往往难以掌握。

算法原理
TF-IDF：用于关键词权重计算，突出高频但非通用的术语。
社区发现（Community Detection）：识别关键词聚类，常用算法包括 Louvain 和 Infomap。
Pathfinder 算法：优化网络结构，去除冗余连接，突出核心路径。
工具对比
Gephi：适合静态网络的可视化和交互分析，但时间轴功能较弱。
VOSviewer：擅长大规模网络的可视化，但聚类算法相对单一。

Python 数据预处理示例

import pandas as pd

# 读取 Web of Science 数据
df = pd.read_csv('wos_data.csv', encoding='utf-8')

# 异常值处理：去除空值和重复记录
df = df.dropna(subset=['Keywords'])
df = df.drop_duplicates(subset=['Title'])

# 关键词分割和清洗
df['Keywords'] = df['Keywords'].str.split(';').str.join(',')

数据导入
从 CNKI 或 Web of Science 导出文献数据，保存为 CSV 格式。
使用 Python 或 CiteSpace 内置工具进行数据清洗。
参数配置
时间切片跨度：建议设置为 3 - 5 年，具体取决于研究领域的发展速度。
节点筛选阈值：通常选择前 50-100 个高频关键词，避免网络过于复杂。

NetworkX 构建共现网络

import networkx as nx

# 构建共现矩阵
co_occurrence = pd.crosstab(df['PaperID'], df['Keywords'])
co_occurrence = co_occurrence.T.dot(co_occurrence)

# 创建网络图
G = nx.Graph()
for keyword1 in co_occurrence.columns:
    for keyword2 in co_occurrence.columns:
        if co_occurrence.loc[keyword1, keyword2] > 0:
            G.add_edge(keyword1, keyword2, weight=co_occurrence.loc[keyword1, keyword2])