[文本挖掘和知识发现] 01.红楼梦主题演化分析——文献可视化分析软件CiteSpace入门

Eastmount

发布于 2023-09-12 09:09:03

3170

发布于 2023-09-12 09:09:03

本文是作者2023年8月底新开的专栏——《文本挖掘和知识发现》，主要结合Python、大数据分析和人工智能分享文本挖掘、知识图谱、知识发现、图书情报等内容。此外，这些内容也是作者《文本挖掘和知识发现（Python版）》书籍的部分介绍，本书预计2024年上市，采用通俗易懂和图文并茂的形式描述，会更加系统地介绍文本挖掘和知识发现，共计20章节内容，涵盖上百个案例。您的关注、点赞和转发就是对秀璋最大的支持，知识无价人有情，希望我们都能在人生路上共同成长。

本文主要介绍文献可视化分析软件CiteSpace基础知识，以中国知网《红楼梦》文献为例，开展主题挖掘、关键词聚类及主题演化分析。基础文章，希望对您有所帮助。

作者的github资源：

文本挖掘和知识发现：
- https://github.com/eastmountyxz/ TextMing-KnowledgeDiscovery

一.CiteSpace介绍及安装

1.简介

CiteSpace 是由美国德雷塞尔大学陈超美博士与WISE实验室联合开发的科学文献分析工具。CiteSpace是利用Java实现的可视化文献分析软件，作为一款极为优秀的文献计量学或图书情报学软件，其能显示一个学科或知识领域在一定时期发展的趋势或动向，形成研究前沿领域的演化历程，能将文献之间的关系以科学知识图谱的方式可视化呈现。

常用于文本主题挖掘、文本演化分析、知识发现等领域

CiteSpace软件基于共引分析和寻径网络算法等对数据样本进行可视化处理，呈现特定知识领域的演化过程。尤其面对海量文献，该软件能帮助我们迅速锁定关键信息和核心主题，挖掘领域的发展历程，预测当前活跃的研究主题及未来发展趋势。总之，CiteSpace既能帮助我们厘清某一领域过去的研究轨迹、研究现状和热点话题，也能揭示该领域未来的发展方向。

CiteSpace generates interactive visualizations of structural and temporal patterns and trends of a scientific field. It facilitates a systematic review of a knowledge domain through an in-depth visual analytic process. It can process citation data from popular sources such as the Web of Science, Scopus, Dimensions, and the Lens. CiteSpace also supports basic visual analytic functions for datasets without citation-related information, for example, PubMed, CNKI, ProQuest Dissertations and Theses. CiteSpace reveals how a field of research has evolved, what intellectual turning points are evident along a critical path, and what topics have attracted attention. CiteSpace can be applied repeatedly so as to track the development of a field closely and extensively.

2.下载

该软件可以从官网下载：

http://cluster.ischool.drexel.edu/~cchen/citespace/download/

Java环境仅需要下载JRE或JDK即可。

https://www.java.com/zh-CN/download/

如下图所示，点击download下载软件。

同样可以从下列网站中下载对应软件。

https://citespace.podia.com/

3.安装

作者下载的软件如下图所示。

双击文件安装，并安装至指定目录，建议安装非C盘的英文目录。

安装成功如下图所示。

安装成功，运行软件（桌面图标）如下图所示，点击同意即可。

下图为CiteScape的主界面。

二.中国知网下载文献数据集

第一步，打开中国知网搜索对应的主题，比如“红楼梦红学”，读者可以尝试高级搜索对应时间或所需文献。此时共搜索3089篇期刊文献，然后依次“全选”按钮选中所需文献。

第二步，选中所有期刊后，点击“导出与分析”按钮，再选择里面的“Refworks”格式。

第三步，导出时下载文件命名规则：download_XXXX.txt。

最终导出的内容如下图所示，包括每篇文献的相关信息，读者将所有文献导出后存储至CiteSpace分析的指定目录即可。注意：知网一次最多导出五百条文献，超过五百条需要分批导出。

三.CiteSpace基本操作

1.基本功能介绍

CiteSpace可以通过可视化手段来呈现学科知识的结构、规律以及分布情况，并生成可视化知识图谱，从而探究某一研究领域的研究热点、研究前沿、主要作者和机构等相关信息。还包括如下分析：

引用聚类功能可以帮助我们知道哪些文章被引最多
按时间轴分析可以发现该领域下各个话题的发展趋势以及当前研究热点
在整个研究领域中占据主流地位的主题有哪些；
该领域发文最多的国家和机构
某一领域中的开山式文献和里程碑式文献
文献共引分析
文献社区聚类分析

CiteSpace主界面包括：

File（文件）
Project（项目）
Data（数据）
Visualization（可视化）
Overlay Maps（叠加分析）
Analytical（文献网络分析）
Network（网络）
Text（文本）
Preference（偏好设置）

CiteSpace可以分析的数据包括：

Web of Science：格式为全记录与引用的参考文献全文本
CSSCI：格式为utf-8编码
CNKI（中国知网）：格式为Refworks
NSF：要求nsf.gov XML格式
Derwent（德温特专利数据库）
Scopus：RIS或CSV格式

2.数据准备

CiteSpace工具分析需要构建对应的文件夹，并构建四个文件夹用来存放输入、输出、数据、项目，因为我是要做有关《红楼梦》文献的分析所以文件夹名字是Hongloumeng，如下图所示：

接着将中国知网导出的文献存放至“input”文件夹中。注意，文件需要重命名为download_01.txt格式按序排列，否则会报错。

温馨提示： CiteSpace无法直接识别CNKI的数据，在进行导入之前需要进行格式转换。

第一步，点击“Data”中的“Import/Export”按钮。

第二步，在弹出的界面中选择“CNKI”，在“Input Directory”中选择所下载的Refworks格式的引文所在的input文件夹；在Output Directory选择输出文件夹output。接着点击CNKI Format Conversion(3.0)转换按钮即可转换。

第三步，此时output文件夹里会生成各个转换后的文件，并将这些文件复制到data文件夹里。

接下来是具体的分析。

3.可视化分析

第一步，数据导入。在CiteSpace中点击“Project”和“New”新建工程，选择工程文件文件夹Project和数据文件夹Data，数据来源选择“CNKI”和中文，接着点击保存。

第二步，参数设置。在功能选择区进行参数选择，Time Slicing根据下载文献时所选择的时间范围进行设置（如2015-2020年），Years Per Slice设置为1，Node Types选择即将分析的内容（如Keyword），Pruning在循进中选择Pruning sliced networks，其它参数保持默认设置即可。