CiteSpace实战：如何从CNKI数据中绘制精准的关键词聚类图

共计 1496 个字符，预计需要花费 4 分钟才能阅读完成。

背景痛点：CNKI 数据预处理的门槛

很多同学第一次用 CiteSpace 分析 CNKI 文献时，常会遇到数据导入失败的问题。这是因为 CNKI 导出的 Refworks 格式数据包含大量中文特殊字符（如作者单位里的括号、破折号），而 CiteSpace 默认处理 UTF- 8 编码时容易出错。更麻烦的是，CNKI 的文献类型标识（如[J]、[M]）会混在标题里，导致后续关键词提取不准确。

工具对比：为什么选择 CiteSpace

• VOSviewer：虽然支持中文，但需要手动构建共现矩阵，对新手不够友好
• Bibliometrix：擅长宏观统计，但聚类可视化功能较弱
• CiteSpace 优势：
• 自动识别中文关键词（需开启 Term Source 选项）
• 提供模块度（Q 值）和轮廓值（S 值）量化聚类效果
• 支持时间切片观察演化趋势

核心操作流程

数据清洗：从 CNKI 到 CiteSpace

1. 在 CNKI 高级检索结果页，勾选目标文献后选择 导出 /Refworks格式
2. 用记事本打开下载的.txt 文件，执行三次替换：
3. 将 [J]、[M] 等文献类型标记替换为空
4. 将%A（作者行前缀）替换为AU（CiteSpace 标准格式）
5. 删除所有%8（页码行）和%@（ISSN 号）行
6. 另存为 UTF- 8 编码的.txt 文件

[图示：CNKI 数据清洗前后对比]

参数配置黄金法则

在 Project 界面设置：

• Time Slicing：
• 建议按 3 - 5 年分段（如 2020-2024 设 2 个切片）
• 时间跨度超过 10 年时增加切片数
• Selection Criteria：
• 中文文献建议 g -index=25（比默认值低）
• 勾选 Pruning: Pathfinder 减少杂乱连线

[图示：参数设置面板]

可视化调优技巧

在 Visualization 界面：

1. 点击 Node Size 调整显示阈值（通常设为 10）
2. 在 Labels 选项卡中：
3. 勾选Show Cluster Labels
4. 设置 Font Size=10 避免重叠
5. 通过 Cluster Explorer 查看具体关键词组成

配置文件关键代码

# data/project.config 核心参数
pathfinder.pruning.mode = 2  # 1= 无修剪 2=Pathfinder 算法
gindex = 25  # 控制节点数量，值越小筛选越严格
term.source = Title,Abstract,Author Keywords  # 中文关键词来源
word.frequency.threshold = 2  # 出现 2 次以上才计入

避坑实战指南

解决中文乱码

1. 编码转换法：用 Notepad++ 将文件转为 UTF-8-BOM 编码
2. 注册表修改法 ：Windows 用户可调整HKEY_CURRENT_USER\Software\JavaSoft 字体设置
3. 字体替换法：在 CiteSpace 安装目录替换为微软雅黑字体

聚类质量判断

• Q 值：0.3-0.8 为有效聚类（大于 0.7 说明分类过细）
• S 值：平均轮廓值 >0.5 表明聚类内部一致性高

过滤无意义词

在 Node Types 选择 Keyword 后，右键删除：
– 高频通用词（如 ” 研究 ”、” 分析 ”）
– 检索词本身（如 ” 数字化转型 ”）

进阶：突现词联动分析

1. 在 Burstness 选项卡检测突现词（Burst Terms）
2. 将突现词列表导出为.txt
3. 用 Overlay 功能叠加到聚类图中，观察热点变迁

自测任务

尝试以下操作并观察变化：
1. 将 gamma 参数从 0.3 调到 0.7（控制聚类紧凑度）
2. 切换 Pruning 模式为 MST 最小生成树
3. 调整 Years Per Slice 从 1 年到 5 年

通过这样的参数对比，你能更直观理解每个设置对最终可视化效果的影响。刚开始可能要多试几次才能找到最合适的参数组合，这是完全正常的。记得每次调整后保存不同的项目文件，方便回溯比较。