共计 1039 个字符，预计需要花费 3 分钟才能阅读完成。
关键词聚类图谱能直观展示研究领域的知识结构，帮助学者快速识别核心主题与前沿方向，是文献计量分析的经典可视化手段。但新手常遇到节点重叠导致图谱难以解读的问题，本文将系统讲解解决方案。
一、节点重叠的四大典型场景（附 Chen, C. 2014 实证）
- 高频词聚集效应：前 1% 的高频关键词因共现关系紧密，在默认力导向布局中形成团块（见图 1 红色区域）
- 参数设置失衡：Node Size 与 Font Size 比例失调时，文字标签会突破节点边界（公式：font_size/node_size > 0.3 即风险）
- 网络密度过高：未经裁剪的原始网络包含大量弱连接（weak ties），导致布局算法收敛困难
- 时间切片冲突：多时段数据叠加时，若未启用 Time Zone 参数会造成时空重叠
二、关键参数调整实操指南
（1）基础参数设置（操作路径：Network > Configuration）
- Node Size：建议初始值 8 -12（WOS 数据），通过
Ctrl+ 滚轮实时预览 - Font Size：保持与节点直径比≤0.25（经验公式：font_size = node_size * 0.2）
- Attraction：降低至 0.8-1.2 范围可减弱节点吸附（默认值 2.5 易导致重叠）
（2）算法选择策略（CiteSpace 6.2.R4 新版特性）
| 算法类型 | 适用场景 | 文献依据 |
|---|---|---|
| LLR（对数似然比） | 主题边界清晰时 | Chen & Song, 2019 |
| MI（互信息） | 跨学科交叉研究 | Leydesdorff, 2005 |
实操建议：初次分析先用 LLR 生成基础聚类，再切换 MI 检测潜在交叉领域
（3）模块度优化技巧
- 在 Cluster > Run Clustering 界面勾选
Optimize Modularity - 调整 Resolution 参数（默认为 1.0）：
- 值 >1.0 生成更多小聚类
- 值 <1.0 促进大类合并
- 理想 Q 值区间：0.4-0.8（超过 0.8 可能过度切割）
三、避坑指南（含阈值黄金比例）
- g-index 阈值：保持 k =25 时，g 值设为 sqrt(N)/3（N 为文献总量）
- 时间切片：
- 单年切片适合趋势分析
- 3- 5 年切片利于稳定性检测
- 网络裁剪：
- Pathfinder 必选（消除冗余连接）
- Pruning 可选（当节点 >500 时启用）
四、思考题进阶
- 如何评估聚类效果优劣？参考指标：
- Silhouette 指数（>0.5 为佳）
- 聚类间平均距离（应 > 节点直径 2 倍）
- 离散节点处理方法：
- 检查是否来自边缘学科
- 确认是否因阈值过高导致信息丢失
注：所有操作均基于 CiteSpace 6.2.R4 版本，数据样本为 WOS 核心合集 2010-2020 年文献
正文完
