citespace怎么分析标题 CiteSpace标题分析操作与结果解读

1. 准备标题数据源并导入CiteSpace
   先确认要分析的标题来自哪个数据库，常见是Web of Science或CNKI的题录导出。把导出文件整理成CiteSpace可读的纯文本或文件夹形式，然后在软件里新建项目：Project Home选择存放数据的文件夹，Data Source选择对应的数据目录。导入后检查记录条数是否与预期一致，如果条数明显偏少，通常是导出时没有勾选标题字段或文件编码不对，需要回到数据库重新导出。标题分析依赖标题字段完整，缺失标题的记录不会进入统计。
2. 设置时间切片与节点类型为标题词项
   在项目面板设置Time Slicing，一般按分析跨度切成若干年份区间，跨度大可以按2到3年一片，跨度小按1年一片。节点类型不要选作者或机构，标题分析应选择Term或Keyword相关节点。如果只想分析标题本身，可以在文本处理设置里把标题字段作为主要抽取来源，并关闭摘要等额外字段，避免摘要词混入结果。设置完成后点击运行，软件会先做词项提取和共现计算。
3. 调整文本处理参数以聚焦标题
   标题分析效果很大程度取决于词项过滤。在Text Processing里可以设置词项长度范围、是否合并单复数、是否过滤无意义词。标题通常较短，建议把最小词长设得低一些，同时开启名词短语识别，让类似「深度学习」「知识图谱」这样的复合词保持完整。阈值方面，如果出来的节点太少，可以适当降低出现频次门槛；如果节点太多太乱，就提高门槛或增加每片保留的节点比例。每次调整后重新运行，对比效果。
4. 用聚类和标签视图查看标题主题结构
   运行完成后进入可视化界面，选择聚类视图或时间线视图。聚类视图会把标题中常一起出现的词聚成类团，每个类团自动给出标签词。时间线视图则展示各类团随年份的变化，适合看标题主题的演化。可以点击节点查看它的出现频次、中心性和所属聚类。中心性高的词往往是连接不同主题的桥梁，频次高的词则是该领域反复出现的核心概念。
5. 解读标题分析结果并导出图表
   解读时重点看三类信息：一是高频词，反映研究热点；二是高中心性词，反映主题之间的连接点；三是突现词，反映某个时间段突然增多的标题用语。如果聚类标签不够直观，可以手动调整标签显示方式。确认结果合理后，在可视化界面导出图片或保存工程文件，方便写论文时引用。若结果与预期不符，优先检查数据源标题字段是否完整，再检查文本处理参数是否过滤过度。

软件页面：CiteSpace。