citespace和vosviewer聚类分析结果不一样

1. 先确认输入数据是否完全一致
   聚类结果不同的第一层原因是数据入口不同。检查两个工具导入的记录范围是否一样，比如时间跨度、文献类型、去重规则。CiteSpace 通常要求 WoS 纯文本或 CSSCI 等特定格式，VOSviewer 可以读 WoS 也能读 Scopus 和 RIS。如果一边做了去重一边没做，或者一边保留了综述一边过滤掉，节点数量就会不同，聚类自然对不上。做法是把两边导出记录的时间范围、去重策略、字段完整性逐项对齐，再比较聚类。
2. 理解两者聚类算法的底层差异
   CiteSpace 常用的是基于网络结构和时间切片的聚类方法，会对每个时间切片单独建网再做合并与图谱叠加，聚类偏向于识别阶段性热点和突发主题。VOSviewer 使用的是基于关联强度相似度的映射与聚类技术，把整体共现网络一次性投射到低维空间，再按节点间相似度划分群组。算法目标不同，一个强调时间演化，一个强调静态结构相似性，所以同一批关键词或作者，在两者中被分到不同簇是常见现象。
3. 对比参数设置哪里最容易导致结果分叉
   需要逐项核对两边的聚类粒度参数。CiteSpace 里要看时间切片长度、节点类型、阈值选择方式、网络裁剪策略如寻径网络或最小生成树。VOSviewer 里要看共现类型、计数方式、最小聚类大小、吸引力和排斥力参数。例如 CiteSpace 把时间切片设为一年，VOSviewer 用全部年份合并，两者看到的结构层次就不同。再比如关键词最小出现次数阈值，一边设五次一边设十次，进入聚类的节点集合就变了。把这些参数列成对照表逐项统一，才能判断差异是否来自设置。
4. 检查标签与聚类命名的逻辑不同
   聚类结果看起来不一样，有时只是标签命名方式不同。CiteSpace 通常用对数似然率或互信息从聚类中提取特征词作为标签，倾向于突出区分度高的术语，标签可能更专业更细。VOSviewer 更偏向用簇内高频词或权重最高的节点作为标签，标签更接近直观高频词。因此同一个簇在 CiteSpace 中显示为一个偏技术性的短语，在 VOSviewer 中可能显示为另一个高频词，让人误以为聚类归属完全不同。应对方法是把两边聚类成员列表导出来，按节点重合度对比，而不是只看标签。
5. 用重合度指标判断差异是否可接受
   不要只凭肉眼看图谱颜色是否一致，可以量化判断。两边分别导出聚类成员表，计算同一批节点在两套聚类中的归属重合比例。如果大部分节点的聚类归属只有局部调整，说明差异属于算法正常波动。如果差异极大，再回到前面几步检查数据范围和参数。也可以固定同一份节点与边文件，分别导入两个工具做一次干净复现，这样最能排除数据预处理带来的干扰。
6. 根据研究目标选择以哪个结果为准
   如果你的研究需要展示时间演进、突发检测和阶段热点，CiteSpace 的聚类结果更贴合这类叙事。如果研究强调领域整体结构、主题群组和相似度布局，VOSviewer 的聚类更直观。两者结论不一致时，不必强求一致，而是要在论文中说明使用了哪个工具、哪些参数，并把另一个工具的结果作为稳健性检验或补充视角。只要参数交代清楚、数据来源一致，聚类差异本身可以成为讨论点，而不是错误。

软件页面：CiteSpace。