CiteSpace聚类分析实战：解决节点名称重复问题的完整指南

1次阅读

共计 1841 个字符，预计需要花费 5 分钟才能阅读完成。

最近用 CiteSpace 分析 2010-2022 年人工智能领域的文献时，发现一个典型问题：图谱中『Wang, Y』这个节点竟然合并了来自 12 篇不同论文的作者（实际是不同单位的同名研究者）。更麻烦的是，当这些同名作者的研究方向差异较大时，会导致聚类结果完全失真——比如把医学影像和机器人控制的文献强行归为一类。

通过检查 network/network.txt 文件，发现 CiteSpace 默认的命名规则是 姓氏 + 名字首字母，这在高频姓氏（如中文的王、张，英文的 Smith、Johnson）中尤其致命。

CiteSpace 允许通过 config/namerule.txt 文件定义节点命名规则。我们在项目目录下新建该文件，示例内容如下：

# 命名规则优先级：1. 机构缩写_姓氏_年份 2. 姓氏_名字首字母_年份
$InstitutionAbbr_$LastName_$Year
$LastName_$FirstNameInitial_$Year

实际操作步骤：

关闭 CiteSpace
在 config 文件夹创建 namerule.txt
按需编写规则（每行一个规则，从上到下尝试匹配）
重新生成图谱时勾选Use Custom Naming Rules

注意：需要确保原始数据包含机构信息（建议从 WoS/CNKI 导出时选择全字段）。

对于大规模文献数据，推荐先用 Python 清洗。以下是使用 pandas 的示例代码：

# -*- coding: utf-8 -*-
from pathlib import Path
import pandas as pd

# 读取原始数据
data_path = Path("input/raw_data.txt")
df = pd.read_csv(data_path, sep='\t', encoding='utf-8')

# 生成唯一作者标识：机构前两位 + 姓氏 + 年份
def gen_unique_name(row):
    inst = row['机构'][:2] if pd.notna(row['机构']) else 'NA'
    return f"{inst}_{row[' 作者 '].split(';')[0]}_{row[' 年份 ']}"

df['唯一标识'] = df.apply(gen_unique_name, axis=1)

# 保存处理结果
output_path = Path("output/cleaned_data.txt")
df.to_csv(output_path, index=False, encoding='utf-8')

在 CiteSpace 6.2.R3 版本中，gamma 参数（路径：Configuration > Cluster > Gamma）直接影响命名去重：

较低值（如 0.3）：倾向保留原始名称
较高值（如 0.8）：强制合并相似节点

建议首次分析时设置为 0.5，然后根据 cluster_summary.txt 中的 Silhouette 值调整。

处理中文文献时，务必：

确认 Python 脚本添加# -*- coding: utf-8 -*-
CiteSpace 导入数据时选择 UTF-8 编码
避免在 namerule.txt 中使用中文标点

如果设置了时间切片（Time Slicing），需在命名规则中加入 $Slice 变量，例如：

$LastName_$Year_$Slice

不同项目建议：

使用独立文件夹存放数据
在命名规则中添加项目标识（如$ProjectID）
清理旧缓存（data/和 project/ 文件夹）

用文本编辑器打开network/network.txt，搜索重复名称确认是否已消除。标准格式应为：

节点 ID\t 唯一名称 \t 频次 \t...

在 CiteSpace 导出 network_edges.tsv 和network_nodes.tsv
用 VOSviewer 导入并检查聚类分布
对比两者聚类相似度（理想情况应 >85%）

通过这三种方法的组合应用，我的最新图谱终于能清晰区分清华大学的 Wang_Y_2020 和加州大学的 Wang_Y_2022 了。建议大家在长期项目中建立标准化命名体系（如包含机构缩写 + 年份），这会显著提升后续 meta-analysis 的准确性。如果遇到特殊案例，可以到 CiteSpace 官方论坛（版本 6.2.R3+）查阅 Naming Convention 专题讨论。

正文完