CiteSpace关键词聚类时间轴实战：从数据预处理到可视化优化

1次阅读

共计 2686 个字符，预计需要花费 7 分钟才能阅读完成。

使用 CiteSpace 进行关键词聚类时间轴分析时，研究者常遇到以下问题：

数据质量问题：
Web of Science(WOS)或 CSSCI 导出的原始数据存在字段缺失（如缺少作者关键词 Keywords）、年份信息不完整
期刊缩写形式不统一（如 ”J. Appl. Phys.” 与 ”Journal of Applied Physics” 混用）
数据包含大量无关记录（如会议通知、书评等非研究论文）
时间切片问题：
文献时间分布不均匀导致某些时间区间节点过少
默认时间切片（如 1 年间隔）可能掩盖中长周期演化规律
可视化问题：
节点重叠严重导致关键聚类难以辨认
颜色映射与时间轴对应关系不直观
默认布局算法（如 Fruchterman-Reingold）对时序网络效果欠佳

原始数据加载与字段标准化

import pandas as pd

def load_data(filepath):
    # 自动识别 CSV/Excel 格式
    if filepath.endswith('.csv'):
        df = pd.read_csv(filepath, encoding='utf-8-sig')
    else:
        df = pd.read_excel(filepath)

    # 统一列名格式（处理 WOS/CNKI 等不同来源）column_map = {
        'Article Title': 'title',
        'Author Keywords': 'keywords',
        'Year Published': 'year'
    }
    return df.rename(columns=column_map)

关键字段补全与过滤

def clean_data(df):
    # 处理缺失年份：用参考文献平均年份估算
    median_year = df['year'].median()
    df['year'] = df['year'].fillna(median_year).astype(int)

    # 过滤非研究文献（书评、新闻等）valid_types = ['Article', 'Review']
    if 'Document Type' in df.columns:
        df = df[df['Document Type'].isin(valid_types)]

    # 关键词标准化：大小写 / 标点统一
    df['keywords'] = df['keywords'].str.lower().str.replace('[^a-z0-9,;]', ' ')
    return df

构建 TF-IDF 矩阵

from sklearn.feature_extraction.text import TfidfVectorizer

tfidf = TfidfVectorizer(tokenizer=lambda x: x.split(';'),  # 按分号分隔关键词
    max_features=500
)
X = tfidf.fit_transform(df['keywords'].dropna())

寻找最优聚类数

from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score

silhouettes = []
for k in range(2, 15):
    kmeans = KMeans(n_clusters=k, random_state=42)
    labels = kmeans.fit_predict(X)
    silhouettes.append(silhouette_score(X, labels))

optimal_k = np.argmax(silhouettes) + 2  # 索引偏移补偿

时间轴基础配置

import matplotlib.pyplot as plt

plt.style.use('seaborn-paper')  # 学术风格模板
fig, ax = plt.subplots(figsize=(12, 8))

# 设置时间刻度
ax.set_xlim(df['year'].min()-1, df['year'].max()+1)
ax.xaxis.set_major_locator(plt.MultipleLocator(2))  # 2 年间隔

动态节点渲染

from matplotlib.cm import viridis

for cluster in range(optimal_k):
    # 筛选当前聚类数据
    cluster_data = df[labels == cluster]

    # 计算节点大小（按文献数量）sizes = 50 + 900 * cluster_data.groupby('year').size()

    # 颜色映射（早期冷色→近期暖色）colors = viridis(cluster_data['year'].rank(pct=True))

    ax.scatter(x=cluster_data['year'],
        y=np.random.normal(cluster, 0.1, len(cluster_data)),  # 纵向抖动防重叠
        s=sizes,
        c=colors,
        alpha=0.7,
        label=f'Cluster {cluster+1}'
    )