具体如下:
1、若要进行文本的内容分析,需要在运行主窗口中term sources 面板上选择“term”包含的范围,有四个数据来源可供选择,“title”、“abstract”、“descriptors””identifiers,如果选择题目或者摘要,还需要在“term selection”中选择“noun phrases”选项,此选项的功能是将题目和摘要中的名词短语抽取出来,进而可对这些名词短语进行特征词共现分析。
2、实际上在多少情况下并不需要对图谱进行修剪,只有在得到的图谱过于庞大和混乱时才使用。
3、时区内修剪和整个网络修剪,建议使用后者。
4、提供了三种可视化视图:聚类试图、时区视图和时间线视图。聚类视图侧重于不同研究领域的知识结构,时区视图更注重于描绘各研究主题随时间的演变趋势和相互影响,时间线视图更便于看出某个研究主题研究基础的时间跨度。Ps:时间线视图要用在citedrefernce分析。
5、citespace自动聚类的实现是依据谱聚类算法,谱聚类本身就是基于图论的一种算法,因此它对共引网络这种基于链接关系而不是节点属性的聚类具有天然的优势。传统的聚类算法,如K均值算法,EM算法等都是建立在凸球形的样本空间上,算法会陷入局部最优。谱聚类算法正是为了弥补上述算法的这一缺陷而产生的。
理论研究:
着眼于分析科学分析中蕴含的潜在知识、是在科学计量学、数据可视化背景下逐渐发展起来的一款引文可视化分析软件。
由于是通过可视化手段来呈现科学知识结构、规律和分布情况,所以得到的可视化图形也称为“科学知识图谱”它是把成千.上万的文章的关键词、作者、机构等按照重要性以图谱的形式呈现给大家,另外它还可以分析词频(可以做简单的词频分析。
但是做不了词性分析),此外它还能发现任何领域文章的转折点研究热点,以及预测相关领域论文的前沿和趋势。对恪位研究学者做文献梳理有极大的帮助。