共计 1176 个字符，预计需要花费 3 分钟才能阅读完成。
问题诊断：聚类不合理的典型表现
刚接触 CiteSpace 的研究者常遇到以下聚类问题：
- 类间重叠严重：不同颜色聚类区域大面积交叉（如图 1 左），导致主题边界模糊
- 主题过于分散：单个聚类被拆分成多个小碎片（如 Q 值 <0.3）
- 标签匹配偏差：自动生成的聚类标签与内容不符（如 LLR 算法误标）
- 关键节点丢失：高中心性论文未被纳入聚类（因 g -index 设置过高）
图注：左图为默认参数下的重叠聚类，右图为调整后的清晰分区（Q=0.4323）
算法解析：三大聚类算法对比
1. LLR 算法（对数似然率）
- 特点：适合识别领域特异性术语（如 ”blockchain” 在金融科技领域）
- 公式：$LLR = 2 \sum O_{ij} \ln\frac{O_{ij}}{E_{ij}}$
- 优势：对低频关键词敏感
2. MI 算法（互信息）
- 适用场景：跨学科研究（如生物医学工程）
- 缺陷：易受边缘节点干扰
3. TF-IDF 算法
- 最佳实践：大规模文献计量（>10 万篇）
- 注意：需先做词干提取（STEM）
参数工程：网络剪枝策略
Pathfinder 网络
- 勾选
Pathfinder时： - 保留关键路径，适合趋势分析
-
参数建议：
r=inf, q=n-1 -
最小生成树(MST)：
- 得到最简连接，适合初学者
- 风险：可能丢失次要关联
实战演示：完整处理流程
数据预处理（Python）
import pandas as pd
# 读取 WOS 数据
df = pd.read_csv('savedrecs.txt', sep='\t', encoding='utf-8')
# 清洗作者字段
df['AU'] = df['AU'].str.replace(';', ';', regex=False)
# 保存为 CiteSpace 格式
df.to_csv('input.csv', index=False, columns=['TI','AB','DE','AU','PY'])CiteSpace 宏命令配置
# 设置时间切片
Time Slicing: 2000-2022 | Years Per Slice: 2
# 关键参数
Selection Criteria: g-index(k=25)
Pruning: Pathfinder + MST避坑指南：时间窗同步
- 突发检测窗口：需与聚类时段对齐
- 错误示例：突发检测用 5 年段，聚类用 2 年段
- 解决方案：
- 在
Burstness选项卡统一时间单位 - 勾选
Sync Time Slicing
交叉验证：VOSviewer 联动
- 导出 CiteSpace 的
network文件 - 在 VOSviewer 中：
- 设置相似度阈值 >0.5
- 对比模块化指标差异
参数调试检查清单
- [] 检查 Q 值是否 >0.3
- [] 验证 LLR 标签语义相关性
- [] 对齐突发检测与聚类时间窗
- [] 保存不同剪枝策略的结果
- [] 交叉检查中心性 TOP10 节点
通过系统性参数调整，笔者的聚类模块值从 0.28 提升至 0.41。建议初次使用者优先调试 g -index 和剪枝组合，这是改善聚类效果最直接的杠杆点。
正文完
