共计 1455 个字符，预计需要花费 4 分钟才能阅读完成。
低质量聚类结果的典型表现
在初次使用 CiteSpace 进行关键词聚类分析时，新手常会遇到以下问题：
-
节点过度重叠 ：当选择不恰当的节点大小或布局算法时，关键词节点会大量重叠，导致图谱无法辨识。例如某社会科学领域分析中，”social media” 和 ”online communication” 等高频词完全遮盖了相邻节点。
-
聚类标签不明确 ：采用默认 LLR 算法生成的聚类标签可能出现术语过于专业（如 ”#3: 0.894 R-squared”）或过于宽泛（如 ”#1: study”）的情况。
-
网络结构碎片化 ：当 Pruning 参数设置过高时，可能产生大量孤立小聚类。某工程文献分析案例显示，路径裁剪阈值设为 ”g-index=3″ 会导致网络断裂为 17 个无连接的小集群。
数据预处理关键技术
WoS/CNKI 格式转换
使用 Python 的 pandas 库处理原始数据：
import pandas as pd
def clean_wos_data(input_file):
df = pd.read_csv(input_file, delimiter='\t', encoding='utf-8')
# 处理特殊字符
df['Abstract'] = df['Abstract'].str.replace('[^\x00-\x7F]', '', regex=True)
# DOI 去重
df = df.drop_duplicates(subset=['DOI'], keep='first')
# 作者字段标准化
df['Authors'] = df['Authors'].str.split(';').apply(lambda x: [a.strip().replace(',', ' ') for a in x])
return df中文文献处理要点
- 文件编码必须使用 UTF-8 with BOM 格式
- CNKI 数据需额外处理机构字段：
df['Institutions'] = df['Institutions'].str.replace('；', ';') - 关键词翻译建议保留双语对照，如 ” 创新 (innovation)”
核心参数配置策略
算法选择建议（CiteSpace 6.2.R3）
| 参数项 | 社会科学文献 | 自然科学文献 |
|---|---|---|
| Node Types | Keyword | Term |
| Pruning | Pathfinder+MNCSI | MST |
| Years Per Slice | 3- 5 年 | 2- 3 年 |
| G-index | 推荐（宽泛领域） | 不推荐（精准领域） |
性能优化技巧
- 当节点数 >500 时：
- 启用 ”Hide Isolated Nodes” 选项
- 将 ”Top N% per slice” 降至 30-50%
-
使用 ”Cluster Explorer” 替代全图显示
-
跨版本复现保障：
- 记录完整的参数配置文件（.config）
- 保存每次运行的随机种子值
- 导出中间网络文件（.net/.vec）
结果解读方法论
查看 Network Summary Report 时应重点关注：
- Modularity Q > 0.3 表示聚类结构显著
- Weighted Mean Silhouette > 0.5 说明聚类内部同质性良好
- 突发性检测结果需结合时间切片验证
实践验证建议
读者可以使用 WoS 自带的示例数据集（如 ”bibliometrics” 主题）进行测试，比较不同学科领域的参数敏感性差异。建议实验设计：
- 固定其他参数，仅调整 Pathfinder 算法中的 r / q 值（从 1 到∞）
- 对比 LLR 与 MI 标签算法的可解释性差异
- 观察时间切片跨度对突发检测的影响
通过系统性参数调试，可发现计算机科学文献对 Pruning 参数更敏感，而人文社科文献受时间切片影响更大。这种差异反映了不同学科知识演进速率的本质特征。
正文完
