CiteSpace聚类结果深度解读：从可视化到知识发现的技术实践

1次阅读

共计 1906 个字符，预计需要花费 5 分钟才能阅读完成。

每次用 CiteSpace 跑完文献数据，面对满屏彩色的聚类网络图时，总会遇到这样的困惑：计算机自动生成的聚类标签（如 ”#0 digital transformation”）到底靠不靠谱？为什么有些重要文献没有出现在关键节点位置？不同颜色区块之间的连线又代表什么关系？这些问题的背后，其实涉及科学知识图谱构建的核心逻辑——我们不仅要会操作软件，更要理解算法如何 ” 思考 ”。

CiteSpace 采用时变网络分析（Time-Varying Network Analysis）结合 LLR（Log-Likelihood Ratio）算法：

时变网络 ：将文献按时间切片（如 2 年一段）构建共引网络，捕捉研究热点的演化轨迹
LLR 算法 ：通过统计假设检验提取最能代表聚类主题的术语（比 TF-IDF 更适应短文本）

关键指标解读：

模块度 Modularity（Q 值）：0.3-0.7 说明聚类结构显著（>0.7 可能过度分割）
轮廓系数 Silhouette Score：>0.5 表示聚类内紧密度良好

典型的.cluster 文件包含：

# 聚类编号 | 规模 | 平均年份 | LLR 标签
0 15 2018 "blockchain" (7.82)
1 22 2016 "smart city" (9.15)

而 network.json 则记录节点间的共引关系，包含：

{
  "nodes": [{"id": 123, "title": "文献标题", "year": 2015},
    ...
  ],
  "links": [{"source": 123, "target": 456, "weight": 3},
    ...
  ]
}

import networkx as nx
import matplotlib.pyplot as plt

# 加载 CiteSpace 生成的 JSON 数据
def load_network(json_file):
    with open(json_file) as f:
        data = json.load(f)
    G = nx.Graph()
    for node in data['nodes']:
        G.add_node(node['id'], title=node['title'], year=node['year'])
    for link in data['links']:
        G.add_edge(link['source'], link['target'], weight=link['weight'])
    return G

# 绘制带聚类标签的网络图
G = load_network('network.json')
plt.figure(figsize=(12,10))
pos = nx.spring_layout(G, k=0.15)  # k 值控制节点间距
nx.draw_networkx_nodes(G, pos, node_size=50, alpha=0.8)
nx.draw_networkx_edges(G, pos, width=0.5, alpha=0.2)
plt.title('Enhanced Network Visualization', fontsize=14)

# 计算中介中心性（Betweenness Centrality）betweenness = nx.betweenness_centrality(G, weight='weight')
top_nodes = sorted(betweenness.items(), key=lambda x: x[1], reverse=True)[:10]

print("关键文献桥梁：")
for node_id, score in top_nodes:
    print(f"ID:{node_id} 标题:{G.nodes[node_id]['title']} 得分:{score:.3f}")