CiteSpace聚类标签重叠问题分析与优化方案

1次阅读

没有评论

共计 1613 个字符，预计需要花费 5 分钟才能阅读完成。

在文献计量分析中，CiteSpace 生成的聚类图谱常因标签重叠导致可读性下降。典型场景包括：

高密度聚类区域出现文字堆叠
关键节点标签被邻近标签覆盖
跨聚类边界的标签相互渗透

这种视觉混乱会掩盖重要研究主题的识别，尤其在分析包含 500+ 文献的大型数据集时，手动调整标签位置的工作量呈指数级增长。

基于物理力学模拟的改进方案包含三个核心力：

节点互斥力：遵循库仑定律，使用 $F=k\frac{q_1q_2}{r^2}$ 计算标签间排斥
边牵引力：采用胡克定律 $F=-kx$ 保持标签与所属节点的关联
边界约束力：引入斥力场防止标签溢出画布区域

构建双重权重体系：

语义权重：TF-IDF 量化术语在聚类中的区分度
$$w_{tfidf} = tf_{t,c} \times log(\frac{N}{df_t})$$
结构权重：节点中介中心性反映拓扑重要性
$$w_{bc} = \sum_{s\neq t\neq v}\frac{\sigma_{st}(v)}{\sigma_{st}}$$

最终优先级得分 $S=α\cdot w_{tfidf} + (1-α)\cdot w_{bc}$，其中 α 取 0.6-0.8 效果最佳。

import networkx as nx
import matplotlib.pyplot as plt
from sklearn.feature_extraction.text import TfidfVectorizer
import numpy as np

# 构建示例图
g = nx.karate_club_graph()
labels = {i:f"Cluster_{i%5}" for i in g.nodes}

# 计算 TF-IDF 权重
docs = [" ".join([labels[i] for i in nx.descendants(g, n)]) for n in g.nodes]
tfidf = TfidfVectorizer().fit_transform(docs)
tfidf_weights = np.asarray(tfidf.mean(axis=1)).ravel()

# 计算中心性权重
bc_weights = nx.betweenness_centrality(g)

# 综合优先级
alpha = 0.7
priority = {n: alpha*tfidf_weights[i] + (1-alpha)*bc_weights[n] 
    for i, n in enumerate(g.nodes)
}

# 优化布局
pos = nx.spring_layout(g, k=0.3, iterations=50)

# 标签偏移修正
offset = 0.05
adjusted_pos = {n: (x + offset*(1-priority[n]), 
        y + offset*(1-priority[n]))
    for n, (x,y) in pos.items()}

# 可视化
nx.draw(g, pos, node_size=50)
nx.draw_networkx_labels(g, adjusted_pos, labels, 
                       font_size=8, 
                       bbox=dict(facecolor='white', alpha=0.7))
plt.show()