CiteSpace关键词聚类与Timeline可视化：从数据预处理到结果解读

1次阅读

没有评论

共计 1674 个字符，预计需要花费 5 分钟才能阅读完成。

CiteSpace 作为科学知识图谱工具的代表，已经成为文献计量和科研趋势分析的重要工具。它通过可视化的方式展现科学领域的发展脉络，帮助研究者快速把握研究热点和前沿方向。

然而在实际使用过程中，很多科研人员都会遇到一些共性问题：

数据格式转换困难，特别是从 WOS 或 CNKI 导出的原始数据需要经过复杂处理
参数设置过于专业，如时间切片、节点类型等选项让新手无所适从
聚类结果解读困难，难以准确把握关键词之间的关联
Timeline 视图的时间演化特征不易理解

CiteSpace 支持 WOS 和 CNKI 的文献数据，但需要符合特定格式要求。WOS 数据应包含完整的参考文献信息，CNKI 数据则需要包含关键词和摘要字段。

WOS 数据格式规范：
必须包含 AU(作者)、TI(标题)、DE(作者关键词)、ID(WOS 关键词)、AB(摘要)、CR(参考文献) 等字段
建议导出为纯文本格式 (.txt)
CNKI 数据格式规范：
需要包含作者、题名、关键词、摘要等字段
建议使用 NoteExpress 等工具进行格式转换

CiteSpace 首先从文献中提取关键词，然后构建关键词共现矩阵。这个过程包括：

关键词标准化 (合并同义词)
计算关键词共现频率
构建对称共现矩阵

CiteSpace 默认使用 LLR(对数似然比) 算法进行聚类。该算法通过计算关键词之间的统计相关性来划分聚类，相比传统方法更能发现潜在的知识结构。

时间切片设置是 Timeline 可视化的关键：

确定研究时间跨度
根据研究领域特点设置切片长度 (通常 1 - 3 年)
设置节点选择标准 (如 g -index)

import pandas as pd

# 读取 WOS 数据
df = pd.read_csv('wos_data.txt', sep='\t')

# 清洗作者关键词字段
def clean_keywords(keywords):
    if pd.isna(keywords):
        return []
    return [kw.strip().lower() for kw in keywords.split(';')]

df['DE_cleaned'] = df['DE'].apply(clean_keywords)

# 生成 CiteSpace 输入格式
output = df[['PY', 'TI', 'DE_cleaned']].copy()
output.to_csv('citespace_input.csv', index=False)