CiteSpace时间线标签聚类优化实战：如何突破默认标签数量限制

共计 1193 个字符，预计需要花费 3 分钟才能阅读完成。

标签生成机制与问题诊断

CiteSpace 基于共被引网络和突发检测算法生成时间线标签，其默认工作流程存在两个关键约束：

1. 节点过滤阈值 ：通过node_label_threshold 参数（默认值 =2）控制标签显示的最低频次，高于阈值的节点才会被标记
2. 空间分配策略：为避免标签重叠，采用力导向布局自动隐藏密集区域的标签

解决方案一：参数调优法

修改 project.properties 配置文件的关键参数组合：

# 核心参数组
node_label_threshold=1  # 降低标签显示频次阈值
label_font_size=10      # 缩小字体尺寸以容纳更多标签
max_labels_per_slice=15 # 每时间切片最大标签数（默认 5）

解决方案二：数据预处理法

通过 Python 增强原始数据的标签候选集（示例使用 WOS 数据）：

import pandas as pd
from collections import Counter

# 读取 WOS 导出数据
df = pd.read_csv('savedrecs.txt', sep='\t', encoding='utf-8')

# 关键词频次统计
def extract_keywords(DE_field):
    return [kw.strip().lower() for kw in str(DE_field).split(';') if kw.strip()]

all_keywords = []
for _, row in df.iterrows():
    all_keywords.extend(extract_keywords(row['DE']))

# 输出高频关键词（前 50）keyword_counts = Counter(all_keywords)
with open('keywords.txt', 'w') as f:
    for kw, cnt in keyword_counts.most_common(50):
        f.write(f"{kw}\t{cnt}\n")

解决方案三：结果后处理法

将 CiteSpace 网络数据导入 VOSviewer 补充可视化：

1. 在 CiteSpace 导出 network 文件夹中的 .net 文件
2. 在 VOSviewer 选择Create map based on network data
3. 调整 Scaling 参数至 2.0 增强标签密度

避坑指南

• 阈值过低导致噪声 ：当node_label_threshold<1 时可能引入无关术语
• 字体过小影响可读性 ：label_font_size<8 会使标签难以辨认
• 时间切片设置不当：过多切片（>10）会分散标签分布

开放性问题

当面临标签信息量与可视化清晰度的矛盾时，建议考虑：

1. 是否所有标签都具有同等学术价值？
2. 能否通过分层标注（主 / 副标签）平衡信息密度？
3. 是否需要辅助说明文档来补充图表信息？

通过多维度参数协同优化，可显著提升时间线视图的信息承载量。建议研究者根据具体研究问题，在参数激进度和结果可解释性之间寻找最佳平衡点。