CiteSpace聚类编号不连续问题解析与解决方案

1次阅读

没有评论

共计 1741 个字符，预计需要花费 5 分钟才能阅读完成。

在使用 CiteSpace 进行文献聚类分析时，新手常会遇到聚类编号不连续的情况。具体表现为：生成的聚类图中，编号出现跳跃（如 1,3,5 缺失 2,4），或部分聚类完全消失。这种问题直接影响：

结果解读的连贯性（无法判断是算法过滤还是数据问题）
可视化效果（断裂的编号影响图表美观）
后续统计（如聚类数量计算可能出错）

通过实际案例测试，发现编号断裂主要源于以下三方面：

数据质量问题
文献数据中存在大量低被引 / 零被引文献
关键词或摘要字段存在大量缺失值
数据时间跨度设置不合理（如包含过早的文献）
参数设置不当
节点类型（Node Types）选择不匹配分析目标
剪切（Pruning）参数过于激进（如 Pathfinder 或 MST 设置过强）
聚类算法（Cluster Algorithm）的敏感度阈值过高
软件运行机制
CiteSpace 自动过滤成员数过少的聚类（默认 <3）
网络可视化时自动隐藏重叠节点

数据清洗
在 Web of Science 导出时勾选 ” 全记录与参考文献 ”

使用 Python 预处理关键词字段（示例代码）：

import pandas as pd
df = pd.read_csv('savedrecs.txt', sep='\t')
# 填充缺失关键词
df['DE'] = df['DE'].fillna('')
# 合并同义关键词
df['DE'] = df['DE'].str.replace('artificial intelligence', 'AI')

时间切片调整
在 CiteSpace 的 ”Time Slicing” 中：
- 设置合理时间跨度（建议 3 - 5 年 / 片）
- 勾选 ”Per Slice” 保证每片数据量均衡

关键参数设置路径
Pathfinder：建议取消勾选（首次分析时）
Minimum Spanning Tree：建议单独使用
Node Strength Threshold：从 2 逐步下调测试
聚类算法选择
新手建议使用 ”LSI” 算法（稳定性较高）
高级用户可尝试 ”LLR”+ 手动调整 log likelihood 阈值

强制显示所有聚类
在可视化界面按 Ctrl+Shift+O
修改 config 文件夹中的 cluster.properties 文件：
```
minimum.cluster.size=1
show.small.clusters=true
```
重新编号方法

导出 Network 文件后使用 Python 重编号（示例代码）：

import networkx as nx
G = nx.read_gexf('network.gexf')
# 按聚类大小重新编号
clusters = sorted(nx.get_node_attributes(G, 'cluster').items(), 
                 key=lambda x: -list(x[1].values())[0])
for i, (node, _) in enumerate(clusters):
    G.nodes[node]['cluster'] = {'0': i+1}
nx.write_gexf(G, 'network_renumbered.gexf')

高频错误 1 ：直接使用原始数据
解决方法：务必检查 Data/network 文件夹中的 log 文件，观察被过滤的文献比例
高频错误 2 ：参数一刀切
建议：先用默认参数运行，再逐步调整（记录每次参数变化）
高频错误 3 ：忽视时区设置
注意：WOS 数据需在 CiteSpace 的 ”Project” 设置中选择正确时区（UTC+8）

可视化优化技巧
在 ”Visualization” 选项卡中：
- 调整 ”Cluster Label Size” 与 ”Node Font Size” 比例（建议 3:1）
- 使用 ”Color Blending” 突出关键聚类
结果验证方法
用 VOSviewer 交叉验证聚类结构
对关键聚类进行人工文献阅读验证
自动化脚本推荐
使用 CiteSpace 的 ”Macro” 功能记录操作流程
配合 Python 的 pyCiteSpace 库批量处理多组数据