citespace聚类分析编号#0是什么意思

来源：蜘蛛抓取(WebSpider) 时间：2021-07-02 08:09 标签：

软件操作问答（摘自陈超美博士嘚科学网博客）

提供了几种方式来控制最终生成的网络将由哪些节点构成：

所以目前版本将其放在首位

其余几种办法逐渐变得复杂，

最恏等熟悉系统之后再考虑下面简要介绍一下各个方法的细节。

个被引次数最高的文献

网络将相对更全面一些。

中的被引文献按被引次數排序后保留最高的

的值由线性插值赋值。三组

为最低被引次数只有满足这个条件的文献才能参加下面的运算。

为规范化以后的共被引次数（

与以上方法不同的是这个方法先选施引文献

后面的两个数字：最低和最高

中给出。节点总数越大需要内存越多下回将介绍如哬选择网络的

提供了多项参数选择，初学者难免有时不知从何下手这里介绍一些

的功能类似一架照相机，

只是它拍摄的对象是科学文献洏不是自然景

的各项参数大致相当于取景调焦，对光圈不过这些过程

在如今的相机中基本都已完全透明。

有直接影响最初使用时，朂简单的办法是先采用系统的预定参数；熟悉之后

再按下面提供的要点调整参数。

设计要求的图谱才视为好图谱

一个领域的知识发展嘚历史和现状。

）近年来大家倾向于这种认识：范式是一种更为

可以在各个层次上出现。

突出的就是在广义的范式转移中起关

与广义范式相对应的是科学文献中自然呈现的聚类

本文以CiteSpace软件做的关键词聚类分析為例进行关键词聚类图谱含义详细解析。

当你人工已经可以很容易的进行归纳后就不需要再利用CiteSpace聚类功能啦。

我们来看一下上次推文莋出来的关键词共现图谱：

我们可以通过眼睛观察得到哪些词之间的关系比较密切，但是乍一看又会发现大部分词只之间的联系都很密切！

人工不好归纳！那怎么聚类呢

此时便可使用CiteSpace的聚类功能啦！

如下所示：我们可以清晰地看到上边的关键词共现网络聚成了一个个不規则区域，每一个区域都对应着一个标签

从图中我们看到一共聚成了8类，分别是数据管理、科学数据、图书馆、数据监护、研究数据管悝、escience、科研数据管理、统计数据

顺序是从0到7，数字越小聚类中包含的关键词越多，每个聚类是多个紧密相关的词组成的具体是那些關键词我们可以通过导出得报告得到详细信息。

在这个网络中我们需要注意两个数值一个是Q值一个是S值，这两个数值表征着聚类想过的恏坏一般认为：

Modularity：：聚类模块值（Q值），一般认为Q>0.3意味着聚类结构显著

Silhouette：S值：聚类平均轮廓值 一般认为S>0.5聚类类就是合理的，S>0.7意味着聚類是令人信服的

如果这两个值不在此范围内，我们可以调节每年出现的次数或者网络的剪切算法

但是，我们不能为了调值而调值有時两个值是调好了，但是呢图谱已经不能看了，结果根本就不符合实际啦

所以呢，关于这两个值到底如何我们还是需要根据图谱来判断。如果图谱合理了即使值不在范围内也是可以。

另外每个聚类都有一个标签，这个便签是怎么生成的呢

这个答案，可以通过下圖来回答

有没有发现一个有趣额现象？

每个聚类竟然都是共现网络中的关键词

也就是说我们得到的聚类标签其实早已经存在了网络中，只不过CiteSpace是通过算法将关系紧密的关键词进行聚类然后会给每个关键词一个值，同一聚类中值最大的当选为该类别的代表给它打上标簽。

哦原来是排序呀！简单。

这也是为什么开头告诉大家：当你人工已经可以很容易的进行归纳后就不需要再利用CiteSpace聚类功能啦。

因为囚工可以总结出共现图谱中没有的词可以将多个词归纳成一个短语。

所以。你懂了吧。。

既然已经聚类完成了接下来就是根据聚类结果进行论述你的主题啦，这部分要靠你自己啦！

上图为老版本做的图下图为新版本做的图，喜欢哪个自己抉择

定量分析的大部汾最终结果就是排序，只不过过程有所差异罢了大到国家综合国力的比拼，小到自己考试考了多少分所谓定量分析无非就是从数字的角度找到最优的结果。

比如文献定量中关键词频次排序获取研究热点社会网络分析中点度中心性、接近中心性、中间中心性排序，获取網络中有影响力的行动者上文CiteSpace聚类中的关键词排序得到该聚类的标签等等。

你在干嘛我在比大小。

如有错误请指正！如需转载请联系夲文作者微信：w

公众号首界面【公开课】栏目下还有其他关于citespace的课程哦。

各软件与编程视频教程：在微信公众号【学术点滴】 首界面“公开课”栏目下

原标题：留学生文献分析工具CiteSpace使鼡教程

科研工作常常需要面对海量的文献如何在这些文献当中找出值得精读、细读的关键文献，挖掘学科前沿找到研究热点就成为了萌新们开展研究之前首先需要解决的问题。所以今天meeloun为大家带来了一款文献研究必备工具——CiteSpace的使用教程。

CiteSpace作为一款优秀的文献计量学軟件能够将文献之间的关系以科学知识图谱的方式可视化的展现在操作者面前，对于初入科研领域的萌新们来说以此去了解一个领域嘚发展脉络和当前动向是最高效便捷不过的。

CiteSpace可分析的数据库很多比如国内的知网（CNKI）、中国社会科学引文索引以及国外的Derwent（世界专利索引）、WoS（Web of Science）。这里以WoS为例为大家详细展示操作过程

按照自己的意愿对结果进行精炼，精炼之后选择保存为其他格式

记录数的范围可鉯自己选择，最大不超过500条这里我们选择前500条记录。记录内容选择全记录与引用的参考文献文件格式选择纯文本。注意保存的文件名需为download_xx格式

我们需要新建四个文件夹：input、output、data、project，把刚刚下载好的文件保存到input里

新建工程界面里的参数如下，并点击save保存

待软件分析完荿后点击Visualize。

这时我们就可以看到哪几个国家在该领域发的文章最多——

以及哪些机构发文章最多——

发表的文章都集中在哪几家杂志上——

按引用聚类的话我们还可以知道哪些文章被引用最多，从而识别哪些是经典文章

按时间轴分析的话，我们可以看到哪些问题是研究囚员非常关注或者感兴趣的各个话题的发展趋势，以及最近的研究热点哪些研究比较重要，如果对这些问题都不清楚的话科研就会非常盲目。

今天的工具介绍就先到这里它的使用仁者见仁，智者见智大家在挖掘它们更多功能时完全可以有自己的使用方式，重要的昰要真正理解这些工具背后的逻辑和思维方式，更聪明和高效的为我们未来的科学研究之路做好辅助“工欲善其事，必先利其器”茬这条科研长征路上做一个无招胜有招的装备精良派。

我要回帖

 

随机推荐