VOSviewer文献可视化005:关键词共现网络分析

一、准备数据

以Web of Science数据来源为例:

1.检索数据:选择【Web of Science核心合集】,(举例)检索主题为“artificial intelligence”和“python”、时间为最近5年的数据,点击【检索】。⬇

2.导出数据:选择【纯文本文件】导出(或【制表符分隔文件】),【记录选项】按照数据的数量依次选择1-500、501-719,【记录内容】选择“全记录与引用的参考文献”,点击【导出】。⬇

 二、导入数据

1.【Create】【Create a map based on bibliographic data】【Next】

2.【Read data from bibliographic database files】【Next】

3.【Browse】导入数据➡【Next】即可进入分析

三、可视化网络分析

1.Choose type of analysis and counting method

Type选择【Co-occurrence】关键词共现分析,Unit根据需要选择,此处举例选择【All keywords】所有关键词➡【Next】

 注:“Counting methods”指的是数据的计数方式,分为Full counting(完整计数)和Fractional counting(分数计数)。一般按照默认选择即可。

2.Choose threshold

选择关键词出现频次的阈值(Choose threshold),阈值越高,出现在网络图中的关键词就会越少。如图,选择阈值为5时,在全部3256个关键词中满足条件的关键词有99个。➡【Next】

3.Choose number of keywords

选择想要进行分析的关键词数量,可以进一步减少提取的关键词数量(一般不作修改,可以直接点击【Next】进入下一步)

4.Verify selected keywords

在此界面可以浏览关键词分析列表(一般不作修改),点击【Finish】生成可视化网络

 5.关键词共现分析的可视化网络

【Network Visualization】

 【Overlay Visualization】

 【Density Visualization】

通过可视化网络,可以较为直观地看出研究热点和这个主题中重要的一些概念。

  • 11
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
Gephi是一种开源的网络分析可视化软件工具,可以用于研究和分析各种类型的网络数据。其中,关键词共现网络是通过分析文本数据中的关键词之间的共现关系而构建的一种网络结构。 关键词共现网络的构建过程包括以下几个步骤:首先,从原始文本数据中提取关键词,可以使用自然语言处理技术或者TF-IDF等方法进行关键词提取。然后,在提取出的关键词之间建立共现关系,即当两个关键词在同一篇文本中同时出现时,就认为它们之间存在共现关系。最后,根据这些共现关系构建关键词共现网络,其中每个关键词表示网络中的一个节点,而关键词之间的共现关系则表示网络中的边。 通过分析关键词共现网络,我们可以发现关键词之间的相互关联性。比如,我们可以计算每个关键词的度中心性和介数中心性等网络指标,来了解哪些关键词在网络中具有重要的位置和影响力。此外,我们还可以使用社区发现算法,将网络中具有密切关联性的关键词划分为不同的社区或群组,从而找出关键词之间的潜在主题或领域。 关键词共现网络的分析结果可以帮助我们理解文本数据中的主题结构、研究领域的关联程度以及关键词之间的关系等。在实际应用中,它可以用于文本挖掘、信息检索、社交网络分析等领域,为我们提供更深入的洞察和理解。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值