CiteSpace知识图谱新手入门：从数据准备到可视化分析全流程指南

1次阅读

没有评论

共计 1898 个字符，预计需要花费 5 分钟才能阅读完成。

刚接触 CiteSpace 的科研人员常遇到这些拦路虎：

数据编码灾难 ：UTF- 8 编码问题导致中文文献信息变成乱码，比如从 CNKI 导出的数据用 Excel 打开时出现『锟斤拷』字符
格式不统一陷阱 ：Web of Science 和 CNKI 的参考文献格式差异（如『et al.』与『等』混用）导致 CiteSpace 无法识别相同作者
参数理解偏差 ：误将『Time Slicing』设为等分区间，忽视了学科发展实际阶段特征

两个关键指标的解释：

突变词检测（Burst Detection）：识别某时间段内突然高频出现的术语（如新冠疫情研究中 2020 年『spike protein』的爆发）
中介中心性（Betweenness Centrality）：衡量节点在网络中桥梁作用的关键指标（值 >0.1 的节点通常构成知识图谱的骨架结构）

在 WoS 高级检索结果页面，勾选『保存为其他文件格式』
记录内容选择『全记录与引用的参考文献』，记录数建议≤5000 条
文本编码务必选择『UTF-8』，文件格式选『纯文本』

[图 1：WoS 数据导出选项界面]

import re
import pandas as pd

def clean_affiliations(text):
    """处理机构字段中的多级单位标注"""
    # 匹配『大学 ^ 学院 ^ 系』型结构
    pattern = re.compile(r'(\w+)\^(\w+)\^(\w+)')
    return pattern.sub(r'\1/\2/\3', text)

try:
    df = pd.read_csv('wos_data.txt', sep='\t', encoding='utf-8')
    df['AU'] = df['AU'].str.replace('et al.', '等', regex=False)  # 统一作者标注
    df['C1'] = df['C1'].apply(clean_affiliations)  # 标准化机构格式
    df.to_csv('cleaned_data.csv', index=False, encoding='utf_8_sig')
except Exception as e:
    print(f'处理失败: {str(e)}')
    # 建议保存错误日志
    with open('error_log.txt', 'a') as f:
        f.write(f'{pd.Timestamp.now()}: {e}\n')

Time Slicing：人文社科建议 5 -10 年 / 切片，生命科学 2 - 3 年 / 切片
Pruning 选择 ：
Pathfinder 适合展现核心关联（生成简洁网络）
MST（最小生成树）会丢失次要连接线索

[图 2：不同修剪算法生成的网络对比]

r 参数 （路径距离权重）：超过 0.5 会过度弱化长程连接
q 参数 （最大路径数）：设置为 n -1（n 为节点数）会保留所有可能路径
标准化的余弦相似性阈值 ：低于 0.15 可能导致大量噪声连接

G 指数 ：适合技术演进明显的领域（如人工智能）
K 指数 ：在交叉学科研究中更能识别潜在主题

在 NetDraw 中按 F5 调出布局菜单：

勾选『Prevent Overlaps』
迭代次数设为 500-1000 次
冷却系数保持 0.99 平衡速度与质量

# CMYK 颜色代码（适用于 Adobe Illustrator 后期编辑）color_map = {'high_centrality': [0, 100, 100, 0],  # 红色
    'burst_term': [100, 0, 100, 0],       # 绿色
    'bridge_node': [80, 20, 0, 0]         # 蓝色
}