CiteSpace聚类结果无序性解析：原理、问题与解决方案

1次阅读

共计 1819 个字符，预计需要花费 5 分钟才能阅读完成。

作为一个刚接触 CiteSpace 的新手，第一次看到聚类结果时，我满脑子都是问号：为什么这些聚类编号是乱序的？3 号聚类旁边挨着 8 号，而 1 号却跑到了角落？经过反复实践和查阅资料，终于搞明白这是算法特性而非软件 bug。下面分享我的学习笔记，希望能帮到有同样困惑的朋友。

时序聚类(Timeline)
像整理时间线照片一样严格按年份排列，2010 年的研究节点绝不会跑到 2009 年前面。算法强制保持时间先后顺序，代价是可能拆散高相似度节点。
相似度聚类(Cluster)
根据节点间的共现 / 耦合强度计算距离，采用谱聚类或 K -means 等算法分组。就像把相似颜色的积木堆在一起，但积木堆之间没有固定顺序——这就是我们看到编号混乱的根本原因。

关键点：相似度聚类使用的模块度 (Modularity) 优化只关心组内连接紧密程度，对簇间排列顺序没有任何约束条件（参考 CiteSpace 手册第 8 章）。

去年分析新冠疫情文献时就踩过坑：

错误推断演进路径
把空间上临近的聚类 3(2020)和聚类 7(2022)当成连续发展，实际两者间隔着其他研究方向
误判研究热度
默认视图下较大的聚类容易被优先关注，但编号靠后的聚类可能包含更多关键文献
跨年对比失真
2015-2018 年的聚类如果被分散显示，会低估该时间段的实际研究规模

操作步骤：

在 Visualization 标签页勾选Layout > Cluster by Time Slicing
将 Node Color 映射改为Publication Year
调整 Node Size 使用 Sigma 值突出高重要性节点

效果：虽然聚类编号仍无序，但通过颜色梯度能直观识别时间分布规律（示例图来自 WoS 冠状病毒数据集）

import networkx as nx
import matplotlib.pyplot as plt

# 导出 CiteSpace 的 network 文件
G = nx.read_gexf('citespace_network.gexf')

# 按节点平均年份排序
cluster_order = sorted(nx.community.greedy_modularity_communities(G),
    key=lambda nodes: np.mean([G.nodes[n]['year'] for n in nodes])
)

# 可视化
pos = nx.spring_layout(G)
for i, cluster in enumerate(cluster_order):
    nx.draw_networkx_nodes(G, pos, nodelist=cluster, node_color=[plt.cm.tab10(i)])

import pandas as pd

df = pd.read_csv('citespace_clusters.csv')
# 按聚类平均被引量排序
df['cluster_rank'] = df.groupby('cluster')['citations'].transform('mean').rank()
# 保存为 TXT 供 CiteSpace 重新导入
df.to_csv('sorted_clusters.txt', sep='\t', index=False)