CiteSpace实战：如何高效绘制CNKI数据的关键词聚类图谱

1次阅读

共计 2051 个字符，预计需要花费 6 分钟才能阅读完成。

在使用 CiteSpace 分析 CNKI 文献数据时，许多科研工作者常遇到以下问题：

CNKI 导出的数据格式与 CiteSpace 不兼容，需要复杂的转换过程
关键词聚类结果过于碎片化，难以形成有意义的主题分布
可视化图谱节点重叠严重，影响结果解读
中文编码问题导致乱码频发

这些问题大大降低了文献计量分析的效率和质量。本文将提供一套完整的解决方案。

从 CNKI 导出文献数据时，选择 ”RefWorks” 格式
使用以下 Python 脚本进行格式转换（需安装 pandas 库）：

# CNKI 数据转换脚本
import pandas as pd

def convert_cnki_to_citespace(input_file, output_file):
    # 读取 CNKI 导出的 TXT 文件
    with open(input_file, 'r', encoding='utf-8') as f:
        data = f.readlines()

    # 提取关键字段
    records = []
    for line in data:
        if line.startswith('TI'):
            title = line[3:].strip()
        elif line.startswith('KW'):
            keywords = line[3:].strip().split(';')
            records.append({'Title':title, 'Keywords':keywords})

    # 转换为 CiteSpace 兼容格式
    df = pd.DataFrame(records)
    df.to_csv(output_file, index=False, encoding='utf-8-sig')

# 使用示例
convert_cnki_to_citespace('cnki_export.txt', 'citespace_input.csv')

启动 CiteSpace，选择 ”Data”→”Import/Export”
指定转换后的 CSV 文件路径
设置时间切片（建议 1 - 2 年为一个切片）
选择 ”Keyword” 作为节点类型

时间切片 ：根据研究领域发展速度设置，快速变化领域建议 1 年，稳定领域 2 - 3 年
节点类型 ：选择 ”Keyword” 分析关键词共现
修剪算法 ：
Pathfinder：保留关键连接，简化网络
MST：保证网络连通性
建议组合使用：先 Pathfinder 后 MST

算法	特点	适用场景
LLR	基于对数似然比	主题识别效果最佳
MI	互信息算法	发现非常规关联
TF-IDF	词频 - 逆文档频率	突出特色关键词

建议首次分析使用 LLR 算法，如需发现非常规关联可尝试 MI。

使用 ”Layout”→”Cluster View” 切换不同布局
调整 ”Node Size” 和 ”Font Size” 改善可读性
通过 ”Threshold” 控制显示节点的密度

勾选 ”Label Clusters” 显示聚类标签
调整 ”Label Size” 和 ”Label Threshold” 平衡清晰度
使用 ”Label Font” 更改字体样式

采用 ” 领域 + 特征 ” 的命名方式（如：” 区块链 - 技术应用 ”）
名称长度控制在 3 - 8 个汉字
避免使用过于宽泛或狭窄的表述

确保所有文件使用 UTF- 8 编码（推荐 UTF-8 with BOM）
在 CiteSpace 的 ”Project” 设置中选择中文字体
如仍出现乱码，尝试将数据转换为 GBK 编码

推荐参数组合：
– Pathfinder 网络修剪
– 节点显示阈值 Top N=50
– 标签显示阈值 Top N=30

关键指标监控：
– 模块度 Q 值 >0.3
– 轮廓系数 >0.5
– 平均聚类大小 5 -15 个节点

# 关键词清洗与标准化
import jieba
import re

def clean_keywords(keywords):
    # 统一分隔符
    keywords = keywords.replace('；', ';').replace('，', ';')
    # 分词处理
    words = []
    for kw in keywords.split(';'):
        kw = re.sub(r'[^\u4e00-\u9fa5a-zA-Z0-9]', '', kw.strip())
        if kw:
            words.extend(jieba.lcut_for_search(kw))
    return list(set(words))

# 使用示例
keywords = "人工智能;AI; 机器学习;machine learning"
clean_kws = clean_keywords(keywords)
print(clean_kws)  # ['人工智能', 'AI', '机器学习', 'machine', 'learning']

如何评估聚类结果的有效性？可以考虑以下维度：