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

共计 2398 个字符，预计需要花费 6 分钟才能阅读完成。

在文献计量分析中，聚类结果的评估往往决定了研究的可信度。许多研究者在使用 CiteSpace 进行共现网络分析时，常常面临两个困惑：如何判断聚类结果是否可靠？Q 值和 S 值到底该怎么解读？这些指标的误读可能导致对研究领域结构的错误理解，甚至影响后续研究方向的选择。

Q 值衡量的是网络中社区结构的强度，计算公式为：

$$ Q = \frac{1}{2m} \sum_{i,j} \left[A_{ij} – \frac{k_i k_j}{2m} \right] \delta(c_i, c_j) $$

其中：
– $A_{ij}$ 表示节点 i 和 j 之间的连接权重
– $k_i$ 表示节点 i 的度
– m 是网络中所有边的权重和
– $\delta(c_i, c_j)$ 是指示函数，当节点 i 和 j 属于同一社区时为 1，否则为 0

Q 值范围在 [-0.5,1] 之间，一般认为 Q >0.3 表示网络具有显著的社区结构。

S 值衡量的是聚类内部紧密程度和聚类间分离程度的综合指标，计算公式为：

$$ s(i) = \frac{b(i) – a(i)}{max{a(i),b(i)}} $$

其中：
– $a(i)$ 是节点 i 与同簇其他节点的平均距离
– $b(i)$ 是节点 i 到其他簇的最小平均距离

S 值范围在 [-1,1] 之间，值越大表示聚类效果越好。

首先我们需要处理 CiteSpace 生成的 gexf 文件：

import networkx as nx
import pandas as pd

def extract_cluster_metrics(gexf_path):
    try:
        G = nx.read_gexf(gexf_path)

        # 获取节点属性
        nodes = list(G.nodes(data=True))
        cluster_dict = {node[0]: node[1].get('modularity_class', -1) 
                        for node in nodes}

        # 计算 Q 值
        partition = [cluster_dict[node] for node in G.nodes()]
        q_value = nx.algorithms.community.modularity(G, partition)

        # 计算 S 值（需要先转换距离）# 这里简化为使用 network 距离
        from sklearn.metrics import silhouette_score
        import numpy as np

        adj_matrix = nx.to_numpy_array(G)
        # 将邻接矩阵转换为距离矩阵
        dist_matrix = np.where(adj_matrix > 0, 1/adj_matrix, 1)
        np.fill_diagonal(dist_matrix, 0)

        labels = np.array(list(cluster_dict.values()))
        if len(set(labels)) > 1:  # 避免单一聚类
            s_value = silhouette_score(dist_matrix, labels, metric='precomputed')
        else:
            s_value = np.nan

        return {'Q 值': q_value, 'S 值': s_value}

    except Exception as e:
        print(f"处理文件 {gexf_path} 时出错: {str(e)}")
        return None

import matplotlib.pyplot as plt

# 假设我们有多个网络的结果
results = [{'name': '网络 1', 'Q': 0.45, 'S': 0.62},
    {'name': '网络 2', 'Q': 0.28, 'S': 0.41},
    {'name': '网络 3', 'Q': 0.37, 'S': 0.55}
]

def plot_metrics(results):
    fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))

    # Q 值图
    ax1.bar([r['name'] for r in results], [r['Q'] for r in results])
    ax1.axhline(0.3, color='r', linestyle='--', label='显著阈值(Q>0.3)')
    ax1.set_title('模块度 (Q 值) 比较')
    ax1.set_ylabel('Q 值')
    ax1.legend()

    # S 值图
    ax2.bar([r['name'] for r in results], [r['S'] for r in results])
    ax2.axhline(0.5, color='g', linestyle='--', label='良好阈值(S>0.5)')
    ax2.set_title('轮廓系数 (S 值) 比较')
    ax2.set_ylabel('S 值')
    ax2.legend()

    plt.tight_layout()
    plt.show()

plot_metrics(results)