共计 1047 个字符，预计需要花费 3 分钟才能阅读完成。
CiteSpace 聚类原理简介
CiteSpace 通过分析文献中的共被引或共现关系构建知识网络，并利用聚类算法将高度关联的节点归类。其核心逻辑是将相似主题的文献自动分组，形成可视化聚类（默认使用 LLR 算法）。每个聚类代表一个研究主题，而聚类数量直接受网络密度和参数设置影响。
新手常见问题：聚类数量过多的原因
- 数据量过大 ：导入的文献超过 1000 篇时，网络节点激增导致自动聚类数量膨胀
- 参数设置不当 ：默认的 Pathfinder/Pruning 参数保留过多冗余连接
- 时间切片过密 ：如设置 1 年为一个时间切片会切割研究主题连续性
- 关键词噪声 ：未清洗的低质量关键词（如泛义词 ”study”）产生无效聚类
三种解决方案
1. 参数调整实战
关键参数组合（在 Network Configuration 界面调整）：
Node Cutoff: 3 # 只保留出现 3 次以上的节点
Pathfinder: ✅ # 修剪冗余连线
Pruning: MST+Pathfinder # 双重修剪 - Node Cutoff：相当于过滤器，建议新手从 3 开始逐步提高
- Pathfinder：显著减少交叉连线，但会损失部分弱关联
- 效果预估 ：对 2000 篇文献的实验显示，该组合可减少约 40% 聚类
2. 数据预处理技巧
- 关键词清洗 （在 Data 功能区操作）：
- 删除无意义高频词（点选词表右侧×图标）
-
合并同义词（如 ”ML” 和 ”machine learning”）
-
时间切片优化 ：
- 社会科学建议 3 - 5 年 / 切片
- 快速演进领域（如 AI）用 2 - 3 年 / 切片
3. 算法选择策略
通过【Clustering】→【Algorithm】切换：
| 算法 | 特点 | 适用场景 |
|---|---|---|
| LLR | 主题明确但数量多 | 初期探索性分析 |
| MI | 聚类大但数量少 | 趋势概览 |
| LSI | 平衡数量与规模 | 最终报告呈现 |
操作演示（WOS 数据为例）
- 导入数据后进入【Visualization】界面
- 按下图设置参数：
- 点击【Go!】后对比调整前后的聚类标签数量
避坑指南
- 过度修剪 ：Node Cutoff>5 可能导致新兴领域消失
- 算法误选 ：MI 算法会合并相似主题，慎用于细分研究
- 时间陷阱 ：避免同时修改切片年限和修剪参数
效果对比案例
某医学文献分析项目调整前后：
| 指标 | 调整前 | 调整后 |
|---|---|---|
| 聚类总数 | 38 | 22 |
| 平均轮廓值 | 0.51 | 0.63 |
| 可读性评分 | ★★☆ | ★★★★ |
进阶学习资源
- 官方手册：https://citespace.podia.com
- 参数优化论文：Chen(2017) 发表在 JASIST 的基准测试
- 视频教程：B 站搜索「CiteSpace 参数精讲」
提示：初次使用建议保存不同参数配置，通过【Project】→【Manage】快速切换对比效果
正文完
