CiteSpace聚类分析中标签过少问题的解决方案与实战指南

1次阅读

共计 1808 个字符，预计需要花费 5 分钟才能阅读完成。

最近用 CiteSpace 做文献聚类分析时，发现生成的图谱经常出现标签过少的情况——明明聚类结果很清晰，但图上只显示零星几个关键词，导致无法准确解读研究热点。这其实是个经典痛点：标签数量直接影响结果可读性，但 CiteSpace 默认参数可能无法充分提取文本特征。

TF-IDF 权重计算：CiteSpace 首先用 TF-IDF 算法评估术语重要性，高频且专有的词更可能成为标签
LLR 对数似然检验：通过统计检验筛选最能代表聚类特征的词汇
显示阈值控制：默认只显示权重前 5% 的标签，这个保守设置是主因

在 CiteSpace 界面中找到这些关键参数：

Node Labels Threshold：调低至 0.3-0.5（原值 0.8）
Maximum Labels per Cluster：从 3 增加到 5 -8
Font Size：适当缩小字体以容纳更多标签

原始数据清洗：
合并同义词（如 ”machine learning” 和 ”ML”）
删除无意义高频词（”study”, “paper” 等）
关键词增强：
在文献的 Keyword 字段补充作者关键词 + 高频主题词

使用 Python 预处理示例：

import pandas as pd
from sklearn.feature_extraction.text import TfidfVectorizer

# 加载文献数据
df = pd.read_csv('papers.csv')

# 合并标题、摘要、关键词
corpus = df['title'] + '' + df['abstract'].fillna('') + '' + df['keywords'].fillna('')

# 计算 TF-IDF 并提取重要词汇
tfidf = TfidfVectorizer(max_features=500)
tfidf_matrix = tfidf.fit_transform(corpus)
important_terms = tfidf.get_feature_names_out()

# 输出增强后的关键词文件
df['enhanced_keywords'] = df['keywords'] + ',' + ','.join(important_terms[:10])
df.to_csv('enhanced_papers.csv', index=False)

通过 pyCiteSpace 库直接修改标签生成逻辑：

from pycitespace import CiteSpace

cs = CiteSpace()
cs.load_data('data.txt')

# 修改标签选择算法
cs.set_params(
    label_selection='composite',  # 混合 TF-IDF+PageRank 算法
    min_label_weight=0.15,        # 降低权重阈值
    max_labels=10                 # 每聚类最大标签数
)

cs.analyze()
cs.visualize()