CiteSpace聚类分析实战指南：从数据预处理到可视化解读

共计 1477 个字符，预计需要花费 4 分钟才能阅读完成。

背景痛点

文献计量学新手在使用 CiteSpace 进行聚类分析时，常常会遇到以下典型问题：

• 数据清洗困难：从 WoS/CNKI 导出的原始数据格式不统一，包含大量冗余信息，直接导入 CiteSpace 会导致分析失败。
• 参数设置不当：对 Time Slicing、网络修剪算法等核心参数理解不深，导致聚类结果不理想。
• 结果解读困难：面对复杂的网络图谱，不知如何提取有意义的聚类标签和关键节点。

技术对比：网络修剪算法

CiteSpace 提供了多种网络修剪算法，以下是两种常用算法的适用场景对比：

• Pathfinder 算法：适用于强调关键路径的分析，能有效减少冗余连接，突出核心结构。
• Pruning 算法：更适合处理高密度网络，能快速去除弱连接，防止 ’hairball’ 问题。

核心实现步骤

1. Web of Science 数据导出规范

从 WoS 导出数据时，请注意以下要点：

1. 选择 ” 全记录与引用的参考文献 ” 导出格式
2. 确保导出字段包含 TI(标题)、AU(作者)、PY(年份)、SO(期刊)、DE(关键词)等核心字段
3. 导出文件保存为纯文本 (.txt) 格式

2. Time Slicing 参数设置逻辑

Time Slicing 是 CiteSpace 的核心参数之一，设置建议如下：

1. 根据研究领域发展历程划分时间段，通常每 1 - 3 年为一个 slice
2. 时间跨度不宜过长或过短，建议总跨度在 10-20 年之间
3. 每个 slice 至少包含 50 篇文献，以保证分析效果

3. Log-likelihood 聚类算法原理

Log-likelihood 算法是 CiteSpace 默认的聚类算法，其优势在于：

• 能够识别统计显著性高的聚类
• 对数据分布没有严格要求
• 生成的聚类标签更具可解释性

代码示例：Python 数据预处理

import pandas as pd

# 读取 WoS 导出文件
df = pd.read_csv('wos_data.txt', sep='\t', encoding='utf-8')

# 数据清洗
# 1. 处理缺失值
df.fillna('', inplace=True)
# 2. 统一作者姓名格式
df['AU'] = df['AU'].str.replace(';', ';')
# 3. 提取出版年份
df['PY'] = pd.to_numeric(df['PY'], errors='coerce')

# 保存为 CiteSpace 可识别格式
df.to_csv('processed_data.txt', sep='\t', index=False)

避坑指南

以下是三个高频错误及解决方案：

1. 节点过多导致的 ’hairball’ 问题：

2. 解决方案：适当增大 g -index 值(建议 2.0-3.0)，或使用 Pruning 算法修剪网络

3. 聚类标签重叠：

4. 解决方案：调整 Label Font Size 和 Cluster Label Size 参数

5. 聚类结果不稳定：

6. 解决方案：检查原始数据质量，确保时间跨度设置合理

可视化优化技巧

1. 调整聚类标签位置：
2. 在 Visualization 面板中，勾选 ”Optimize Labels” 选项

3. 手动拖动标签到合适位置

4. 颜色映射方案：

5. 在 Color Scheme 中选择适合的色彩方案
6. 对重要聚类使用高对比度颜色

延伸思考

完成基础聚类分析后，可以尝试以下高级功能：

1. 突发检测(Burst Detection)：识别研究热点的突然增长
2. 时区视图分析：观察研究主题的时序演变规律

数据库差异化处理技巧

1. CSSCI 数据：
2. 注意处理中文字符编码问题

3. 关键词字段可能需要手动标准化

4. SCI 数据：

5. 重点关注高被引文献
6. 可以利用 WoS 的分析功能预筛选文献

通过以上步骤的系统实践，即使是科研新手也能掌握 CiteSpace 聚类分析的核心技能，为文献计量研究打下坚实基础。