[CiteSpace]学习笔记

导入wos数据分析，此处以搜索safety science期刊2017-2021的文献数据来源。

（1）检索
注意：需要选择Web of Science核心合集，否则导出时无全文和参考文献选项。

（2）导出纯文本文件

（3）选择“全记录与引用的参考文献”，导出到新建的input文件夹

（4）打开Citespace处理数据
选项卡中选择Data进入，选择input文件夹（即包含了刚才导出的.txt数据的文件夹），并选择导出数据存放的文件夹位置（此处为新建的文件夹output）。处理完毕后，output中会出现处理完的txt文件。



（5）回到主界面，新建一个project，Data Directory选择刚才的output文件夹。

（6）设置参数
设置时间切片，此处检索的文献时间范围为2017-2021。因此时间切片也为此区间

根据Citespace分析的目的，选择节点类型

这里选择关键词共现分析

关于共现分析，查询到的解释为：

主题的共现分析，是根据主题词在同一篇论文中共同出现的次数来表示主题词之间的联系。一般认为，如果两个主题词频繁在同一篇论文中同时出现，往往表明这两个主题词之间具有比较密切的联系。这就是共现分析的理论基础。

（7）运行分析

（8）调整图谱
1）根据个人喜好改变节点形状，这里改为circle，默认为cross，即十字。

2）节点

“默认的节点代表的是该节点包含信息的引用情况，例如分析关键词的时候生成了A节点，代表着A这个关键词的引用情况，频次为10的话就说明这个关键词被引用了10次，也就是说有10篇文章中包含这个关键词。”
“节点的代表类型并不是只有一种，除了引用情况，还可以切换成其他类型，例如sigma指数、中心性等”

3）节点的合并[3]


4）更改节点间的连线（曲线or直线）

5）防止标签互相重叠，选中node labels

6）去除标签的底纹
在上方菜单栏里选择“Labels” →Labbel Background Color→ Term Labels
将HSV中的透明度设为最大

7）隐藏节点
在左侧栏取消想隐藏节点的visible属性，或者直接右键该节点，选择“Hide node”

8）生成聚类标签

9）显示聚类色块
1）点击find

2）点击 Convex Hull

10）查看聚类的详细信息
1）Save Cluster Information
2）Cluster Explorer

11）中心度

在 Citespace生成的知识图谱中，一个节点的中心性指的是在网络中经过该节点的所有最短路径的数量，是节点在整体网络中连接作用大小的度量[6]。一个节点的中心性 越 高，说
明它在整体网络中最短路径上出现的次数越多，其影响力和重要程度越大。

参考：

[1] 李杰, 陈超美著.CiteSpace科技文本挖掘及可视化[M].首都经济贸易大学出版社.2016.
[2] 共现分析：http://www.360doc.com/content/17/0324/10/41390840_639685501.shtml
[3] [Citespace]如何调整图谱之节点篇（二）：https://zhuanlan.zhihu.com/p/109377745
[4] [Citespace]如何调整图谱之节点篇（三）：https://zhuanlan.zhihu.com/p/109607646
[5] 理解图谱：https://baijiahao.baidu.com/s?id=1608534574950175651&wfr=spider&for=pc
[6] 李嘉明,赵阔,屈挺,刘晓翔.基于知识图谱的区块链物联网领域研究分析[J].计算机科学,2021,48(S1):563-567.