VOSviewer分析知网文献

VOSviewer简介

VOSviewer 是一款用于构建和可视化科学文献计量网络的软件工具。它能够帮助用户分析和可视化期刊、研究人员或单个出版物之间的关系，这些关系可以基于引用、共引、共著或术语共现关系来构建。VOSviewer 还提供了文本挖掘功能，可以用来构建和可视化从科学文献中提取的重要术语的共现网络

VOSviewer 的核心功能之一是“共现聚类”，即两个事物同时出现代表它们之间是相关的。这种分析单元和聚类可视化效果，使得 VOSviewer 支持多种数据格式的导入和分析，例如文献数据库、通用网络数据及文本数据。软件提供多种视图解读，包括网络可视化（聚类视图）、覆盖可视化（标签视图）和密度可视化（密度视图），每种视图都以不同的方式展示和分析数据。

VOSviewer的下载安装需要先安装java环境，然后去官网下载安装VOSviewer软件包，具体的安装这里不赘述，可参考其它资料。

VOSviewer分析知网文献——关键词聚类

本次以知网数据库为例，检索主题为“干旱区水文”，并对关键词进行聚类可视化。
首先在知网中输入检索主题“干旱区水文”，全选所有的文献，然后以Refworks的方式导出。

打开VOSviewer，首先选择Create，然后选择基于参考文献数据创建图谱，再点击next下一步。

选择从引用管理器文件中读入数据（因为之前导出了知网的Ref文件），在点击next下一步。

首先点击RefWorks选项卡，接着点击三个点的按钮找到本地保存的文件，最后点击next下一步。

选择Co-occurrence选项，这样就可以分析关键词了，然后点击next。

设置关键词重复出现的最小次数，这里设置的是5。VOSviewer显示一共有860个关键词，然后有25个关键词最少重复出现5次。这个值设置的越大，满足条件的关键词就越少。

这里默认，直接next下一步。

可以看到软件列出的关键词及重复出现的次数。点击Finish。

这样关键词聚类的可视化图就出来了。

Python生成关键词词云

python生成词云使用wordcloud库。根据关键词出现的频次显示出不同的大小。

# 导入必要的库
from wordcloud import WordCloud
import matplotlib.pyplot as plt

# 示例数据：词语及其出现次数
word_freq = {
    "干旱区": 69,
    "半干旱区": 21,
    "地下水": 19,
    "地下水位": 18,
    "水资源": 12,
    "气候变化": 12,
    "干旱半干旱区": 11,
    "土壤水分": 10,
    "水文过程": 10,
    "西北干旱区": 10,
    "绿洲": 9,
    "水文模型": 9,
    "生态环境": 9,
    "水文地质": 8,
    "生态水文": 7,
    "分布式水文模型": 7,
    "生态水文过程": 7,
    "遥感": 6,
    "塔里木河": 5,
    "数值模拟": 5,
    "气象干旱": 5,
    "地理信息系统": 5,
    "植被": 5,
    "水文干旱": 5,
    "平原水库": 5
}

# 创建词云对象
wordcloud = WordCloud(
    width=800,
    height=400,
    background_color='white',
    font_path='/Users/br/Desktop/files/fonts/simhei.ttf'  # 如果有中文，需要指定中文字体路径
).generate_from_frequencies(word_freq)

# 显示词云
plt.figure(figsize=(10, 10))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.show()

现在我想将词云展示为圆形，稍微修改下代码：

# 导入必要的库
import numpy as np
from wordcloud import WordCloud
import matplotlib.pyplot as plt

# 创建一个圆形掩模
x, y = np.ogrid[:800, :800]
mask = (x - 400) ** 2 + (y - 400) ** 2 > 360 ** 2
mask = 255 * mask.astype(int)

# 示例数据：词语及其出现次数
word_freq = {
    "干旱区": 69,
    "半干旱区": 21,
    "地下水": 19,
    "地下水位": 18,
    "水资源": 12,
    "气候变化": 12,
    "干旱半干旱区": 11,
    "土壤水分": 10,
    "水文过程": 10,
    "西北干旱区": 10,
    "绿洲": 9,
    "水文模型": 9,
    "生态环境": 9,
    "水文地质": 8,
    "生态水文": 7,
    "分布式水文模型": 7,
    "生态水文过程": 7,
    "遥感": 6,
    "塔里木河": 5,
    "数值模拟": 5,
    "气象干旱": 5,
    "地理信息系统": 5,
    "植被": 5,
    "水文干旱": 5,
    "平原水库": 5
}

# 创建词云对象
wordcloud = WordCloud(
    mask=mask,
    contour_color='white',
    contour_width=3,
    background_color='white',
    font_path='/Users/br/Desktop/files/fonts/simhei.ttf'  # 如果有中文，需要指定中文字体路径
).generate_from_frequencies(word_freq)

# 显示词云
plt.figure(figsize=(10, 10))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.show()