CiteSpace关键词聚类时间轴实战指南：从数据准备到可视化分析

共计 1312 个字符，预计需要花费 4 分钟才能阅读完成。

数据预处理：从失败案例说起

最近协助一位同学分析教育技术领域文献时，发现其聚类结果出现大量乱码节点。经检查发现原始数据来自 CNKI，但导出时未选择 UTF- 8 编码。这种编码错误会导致 CiteSpace 无法正确解析中文字符，进而产生无效聚类。

正确数据准备流程

1. WoS/CNKI 数据导出规范
2. Web of Science 导出时勾选 ”Full Record and Cited References”
3. 文件格式选择 ”Tab-delimited (Win)”

4. 编码类型必须为 UTF-8（中文文献特别注意）

5. Python 预处理脚本示例

   # -*- coding: utf-8 -*-
   import pandas as pd
   
   def clean_data(input_path):
       try:
           # 处理 WoS 导出的制表符分隔文件
           df = pd.read_csv(input_path, delimiter='\t', encoding='utf-8')
           # 过滤无效记录（如无关键词的文献）df = df[df['DE'].notna()]  # DE 列存储关键词
           # 保存为 CiteSpace 兼容格式
           df.to_csv('cleaned_data.txt', sep='\t', index=False)
       except UnicodeDecodeError:
           print('检测到编码错误！请确认原始文件为 UTF- 8 格式')

参数优化：时间切片与网络修剪

Time Slicing 设置建议

网络修剪效果对比

– Pathfinder：保留重要连接，适合趋势分析
– Minimum Spanning Tree：最简连接，适合结构识别

时间轴视图深度解析

突现检测 (Burst Detection) 原理

1. Kleinberg 算法检测关键词频率突变
2. 计算爆发强度 (Burst Strength) 和持续时间
3. 通过颜色渐变反映热点演进（红色 = 近期活跃）

关键节点识别技巧

• 中介中心性(Betweenness Centrality)>0.1
• 出现频次 (Frequency) 位于前 10%
• 连接多个聚类社区的桥梁节点

中文文献处理特别指南

CSSCI 字段映射

# 中文文献机构字段转换示例
df['AU'] = df['作者'].str.replace('；', ';')  # 中文分号转英文

内存优化方案

1. 分批处理：设置 Node Type 为 ”Keyword”+”Term”
2. 调整 Memory 设置为 ”High”(需 8GB 以上内存)
3. 使用 GPU 加速选项（CiteSpace 6.2.R4+ 版本）

COVID-19 案例复现包

练习数据集包含 2019-2023 年公共卫生文献，参数模板已预设：

# timeslice.def
Time Slicing = 2019-2023/1
Pruning = Pathfinder + MST
Node Types = Keyword

通过上述流程，可清晰观察到研究热点从初期 ” 病毒溯源 ” 转向后期 ” 疫苗研发 ” 的完整演进路径。建议先用这个标准案例熟悉工具，再迁移到自己的研究领域。

掌握这些核心技巧后，相信你能更高效地挖掘文献中的知识演进规律。如果在实践过程中遇到特殊问题，欢迎在学术社区分享你的处理经验。