CiteSpace聚类分析实战：如何解读Q值和S值的科学意义

1次阅读

没有评论

共计 1786 个字符，预计需要花费 5 分钟才能阅读完成。

文献计量分析中，聚类质量评估直接关系到研究结论的可信度。很多研究者在使用 CiteSpace 时，常遇到两个典型问题：

盲目追求高 Q 值而忽略学科差异，误判聚类效果
将 S 值与其他聚类指标（如 DBI 指数）混为一谈

这些误读可能导致对前沿趋势、学科结构的错误判断。比如笔者曾审过一篇稿子，作者因 Q 值 0.25 就判定聚类无效，却忽略了人文社科领域网络密度较低的特性。

计算公式为：
$$ Q = \sum_{i=1}^c (e_{ii} – a_i^2) $$
其中：
– $e_{ii}$ 表示聚类 i 内部边的比例
– $a_i$ 表示连接到聚类 i 的所有边的比例

物理意义：衡量网络社区结构的强度，取值区间 [-0.5,1)。经验阈值：

Q>0.3 显著聚类
0.1<Q≤0.3 中等聚类
Q≤0.1 随机网络

计算公式包含两个部分：
$$ s(i) = \frac{b(i)-a(i)}{\max[a(i),b(i)]} $$
其中：
– $a(i)$ 是样本 i 到同簇其他样本的平均距离
– $b(i)$ 是样本 i 到最近其他簇样本的平均距离

整体 S 值是所有样本 s(i) 的均值，取值 [-1,1]。与 Q 值的核心区别：

Q 值侧重网络全局结构
S 值关注个体聚类紧密度

首先安装依赖库：

pip install pandas python-louvain networkx

import pandas as pd
import networkx as nx
from community import community_louvain

def parse_gexf(gexf_path):
    try:
        G = nx.read_gexf(gexf_path)
        # 处理空图情况
        if len(G.nodes()) == 0:
            raise ValueError("Empty graph detected")

        # 计算 Q 值
        partition = community_louvain.best_partition(G)
        q_value = community_louvain.modularity(partition, G)

        # 计算 S 值需要节点特征矩阵
        # 此处简化为使用度中心性作为特征
        degrees = dict(G.degree())
        nx.set_node_attributes(G, degrees, 'degree')

        return {'node_count': len(G.nodes()),
            'edge_count': len(G.edges()),
            'q_value': round(q_value, 4),
            # 实际项目需实现完整 S 值计算
            's_value': '需补充特征矩阵'
        }
    except Exception as e:
        print(f"Error processing {gexf_path}: {str(e)}")
        return None

import matplotlib.pyplot as plt
import seaborn as sns

# 模拟多组 Q 值数据
q_values = [0.15, 0.28, 0.35, 0.42, 0.18]

plt.figure(figsize=(10,6))
sns.kdeplot(q_values, shade=True)
plt.axvline(x=0.3, color='r', linestyle='--', 
           label='Significant Cluster Threshold')
plt.xlabel('Modularity (Q Value)')
plt.ylabel('Density')
plt.legend()
plt.title('Distribution of Q Values')
plt.show()