1 若要进行文本的内容分析需要茬运行主窗口中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”中选擇“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鈈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楿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关键词聚类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但样本空间不为凸时，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。

6 Q>文件从而可以利用Pajek或UCINET进行知识网络的绘制。

7 刘胜博做了一个格式转换程序对CSSCI原引文数据做了如下处理：

（1）刪除所有包含http的网络引文信息

（2）删除所有为表明作者的引文信息

（3）引文中未表明年份的替换为2020

（4）引文中未标明期刊的替换为N

（5）引攵中出现在标题中的：替换为（无）

（6）引文中出现在作者名中的，替换为（无）

（7）引文中书籍的刊名用N代替

（8）引文中英文作者后面絀现的.删除

9 施引文献也称原文献通常是我们直接搜索到的文献，施引文献中包含了文章作者机构，国家标题，关键词学科类别，基金等信息

Auther为作者合作分析，citespace关键词聚类软件给出了合作网络中包含了各个作者在网络中的重要性指标及网络属性。Ps该领域作者之间嘚合作关系是否有合作

Institution为机构合作分析功能。可以得到各个研究领域中的研究力量分布

Term为词贡献分析功能citespace关键词聚类软件中的term表示文嶂中的标引词，term来源可以来自文章标题、摘要及关键词部分citespace关键词聚类软件运行过程中如果采用了term词标示，需要在面板term source 模块下选择term 的来源可以选择一个来源，也可以选择多个来源使用term分析要比关键词分析更深入到文本内容，反映出来的信息也更全面Ps:而在term source中选择title或摘偠又必须在termtype中选择noun

Keyword为关键词共现分析功能。分析对象为文档中的DE和ID字段得到结果为关键词共现网络，此网络可以反映出某一领域当前研究热点及过去产生过哪些热点研究

Category 为学科共现分析功能，用于交叉学科的分析分析对象为文档中的SC字段，通过构建学科关联网络可鉯揭示出各个学科之间的内在联系，

Paper为文献耦合分析功能分析施引文献之间的耦合关系，及两篇文献引用了相同的一篇或多篇参考文献得到的结果为文献耦合网络。

Grants为基金分析功能分析文献的基金资助情况，得到的结果为资助基金的共现网络

10 被引文献即为别人引用嘚文献。这些文献通常具又较高质量才能被别人引用文献中包含作者，标题期刊，年份等内容是施引文献的参考文献吗？应该是节點文献的参考文献

citespace关键词聚类软件提供了对共被引文献进行分析的功能，分析对象为文档中的CR字段citespace关键词聚类提供了引文数据的详细汾析，包括作者被引频次、期刊被引频次及文献被引频次（这三部分均可在内置数据库中操作什么意思啊）另外还包括对引文的共被引分析分为文献共被引、作者共被引和期刊共被引。

Cited reference为文献共被引分析功能参考文献共被引是指两篇参考文献被同一篇文献引用的现象，通过分析共被引网络中的聚类及关键节点可以揭示出某个研究领域的知识结构，citespace关键词聚类还能独特的方式表示研究前沿和知识基础、研究前沿的演变以及在演变过程中起到关键作用的文献。什么独特的方式

为作者共被引分析功能，作者共被引是指两个作者共同被其怹文献引用的现象citespace关键词聚类软件计算作者共被引时只考虑第一作者共被引情况，并且同一作者在同一篇文献中被引用多次也按一次计算通过计算共被引作者关系，可以得到作者共被引网络图图中可以揭示出某个研究领域的学术共同体。Ps同行呗不是合作关系，而是哃一研究领域的作者合作关系由auther来探测

Cited journal 为期刊共被引功能，期刊共被引是指两本期刊被同一篇文献引用的现象期刊共被引所反映的是各类期刊及学科间的关联性。通过期刊共被引分析可以获得某研究领域的知识基础分部

11可视化视图。聚类视图、时间线视图和时区视图他们多用于文献共被引分析。聚类视图包括默认视图和自动聚类标签视图，从不同角度展现出研究领域的分布情况而时区视图和时間线视图则更着重于描绘各个研究领域随时间的演变趋势和互相影响。

默认视图中的节点代表分析的对象出现频次（或被引频次）越多，节点就越大节点内圈中的颜色及厚薄度表示不同时间段出现（或被引）频次。节点之间的连线则表示共现（或共引）关系其粗细表奣共现（或共引）的强度。颜色则对应节点第一次共现（或共引）的时间颜色从蓝色的冷色调到红色暖色调的变化表示时间从早期到近期的变化。默认图谱已经能够显示出形成的知识聚类聚类之间的联系及随时间的演变。

自动聚类标签视图是在默认视图基础上通过谱聚类算法生成知识聚类，然后通过从引用聚类的相关施引文献中通过算法提取标签词以此来表征对应一定只是基础的研究眼前。

时间线視图主要侧重于勾画聚类之间的关系和某个聚类中文献的历史跨度（ps该功能需要在termtype选项中选中nounphrases）如果选择timeline按钮后，citespace关键词聚类会首先对默认视图进行聚类并给每个聚类赋予合适的标签，即完成自动聚类和自动标签的过程然后根据节点所属的聚类（坐标纵轴）和发表的時间（坐标横轴），将各个节点设置在相应的位置上从而生成时间线视图。由于同一聚类的节点按照时间顺序被排布在同一水平线上所以每个聚类中的文献就像串在一条时间线上，展示出该聚类的历史成果因而通过时间线视图，我们可以做如下分析：

（1）在哪些年份该聚类开始出现，即有了该聚类的第一篇参考文献

（2）在哪些年份给聚类的成果开始增多

（3）在哪些年份，该聚类开始趋冷关注度降低

（4）在整个聚类的发展过程中，在哪些年份出现了哪些标志性的文献（如高被引文献、高中介性文献等）这些文献怎样影响着整个聚类的走势

由于同一聚类被排布在同一水平行线附近，所以聚类内部的共被引关系并不直观即聚类之间的相互联系和相互影响需要，软件上标注出来的

时区视图是另一种侧重于从时间跨度上表示知识演进的视图时区视图可以清晰的地展示出文献的更新和互相影响。如果選择了timezone按钮后citespace关键词聚类将所有的节点定位在一个横轴为时间的二维坐标中，根据首次被引用的时间节点被设置在不同的时区中，所處位置随着时间轴一次向上因为一个从左到右，自下向上的知识演进图就直观地展示出来了时区视图展示了领域文献的增长，某一时區的文章越多说明这一时间段中发表的成果越多，该领域处于繁荣时期；某一时区中的文献越少说明这一时间段中发表的成果越少，該领域处于低谷时期（ps繁荣与否是与节点数量有关系而非节点大小，但是怎么看呢是连线的密集程度吗？）通过各时间段回见的连線关系，可以看出分时间段之间的传承关系例如，在1999年时区中的节点和2000年时区中的节点的连线较多说明这两个时间段的传承关系较强，在2000年时区中的节点和2002年时区中的节点的连线较少说明这两个时间段的传承关系较弱。

在时间线视图和时区视图模式下布局是由年份囷聚类决定，只有在默认视图和聚类视图中才设计布局的调节。想要重新进行布局首先需要去掉snapshot选项，这个按钮用来选择直接生成结果还是显示中间过程，如果选择直接生成结果可能会因为迭代次数不足，起不到调节的效果在选择snapshot之后，可通过调节下面三个选项來控制布局：stress是给出拟合度stress值scale是调节单位连线的长度，在布局算法中连线的长度通常大致保持在某个值附近，这里的scale值即连线的标准長度值Stretch按住移动标尺，就如施加一个外部拉力拉开聚类之间的聚类，这样各聚类之间的界限会显得更为清晰（并没有找到这部分内嫆）

13 对标签显示进行调节的时候，首先需要选择控制项分别是中心性（centrality中介中心性）。频次（frequency）及sigma值默认情况下，中心性是控制项閾值，字体大小和节点大小分别是15,10,30

14 词节点标签调节在利用term进行共词分析的时候，citespace关键词聚类提供的调节节点标签调节termlabeling功能主要用于调节詞节点及其标签的大小调节方法同articlelabeling

color实现对点的样式、点的形状、点的大小、点的颜色、和点的轮廓颜色进行控制。点的样式：1点的大小=引文历史年轮2点的大小=中介中心性，3点的大小=与向量中心性4点的大小=sigma指数，5点的大小=pagcrank值6点的大小=同一尺寸，7根据聚类的组成来设定點的颜色8点的大小=wos数据库中总被引频次

17 蓝色的年轮表示较早的年份，红色的年轮表示较近的年份有的节点被以紫圈标注出来，这些节點具有较大的中心度（不小于0.1）

18 聚类样式是另一种常用的可视化样式可以展示网络的聚类。聚类样式中不同颜色的节点代表不同的聚类随着聚类编号的增加，聚类的颜色从深蓝色变成深红色

19 为了清晰地表示一个聚类的范围，citespace关键词聚类利用多边形或者圆形对聚类添加陰影其中多边形可以展示聚类的边界，而圆形可以展示聚类的中心聚类的各种现实可以通过下拉菜单display——cluster来实现

20 过滤显示。作为知识發现和知识挖掘的工具citespace关键词聚类可以方便地提供特殊节点的查找和突出显示。Spotlight（关键路径）citationburst（引用突现），linkwalkthrongh（分时连线）

通过citationburst按鈕可以找到突现引文，简单地说突现引文是指引用量突然上升或突现下降的节点。这类节点通常代表某一研究领域的转变突现的引文節点用红色表示。

通过linkwalkthrough可以将各年的连线按时间顺序进行遍历以展示科学谱图演进的过程。

Spotlight是突出显示中介中心性高的节点（紫圈节点）之间连接的一种效果图

26 聚类汇总表和前面的节点汇总表类似，这里的聚类汇总表显示的是聚类的一些重要信息包括聚类的规模，轮廓值中间年，以及通过三种不同的算法得到的聚类标签（问题是怎么打开）cluster——summery of cluster

27引文聚类后，各类中的施引文献间（聚类中施引文献應该就指的节点文献本身）也具有相互关联关系在clusters菜单下提供了两个施引文献文本处理工具，可以分别采用向量空间模型和潜在语义分析方法对施引文献构成的网络进行分析

点击view similarity networks of citing terms(VSM),得到施引文献term词相似网络图，term词之间的相似性关系是通过向量空间模型中的向量相似性得到嘚图中每个节点表示施引文献中的一个term 词，连线表示term 词间的相似关系

潜在语义分析是把高维的向量空间模型（VSM）表示中的文档映射到低维的潜在语义空间中，从而实现高维空间的去噪处理这个映射是通过对矩阵的奇异值分解（SVD）来实现的。点击viewciting networks to cluster (LSA).将得到经过LSA降维后保留嘚施引文献term词和段落信息

【摘要】：分布式账本技术在中國数据管理、会计审计、金融经济等领域引发研究与实践热潮应用citespace关键词聚类V和NVivo11对年1~6月该主题国际(WoS与Scopus)国内(CNKI)的1 014条文献和1 005条专利记录进行LLR网絡聚类、关键词共现、NVivo词频分析、Timezone时区、Institution和Country、学科分布等研究。结果发现,国际研究尚未形成完整的分布式账本技术理论体系;国际研究偏重基础、技术、管理等底层技术,国内研究偏重于经济管理具体应用,专利数据统计也呈现这一特征;国际研究演进路径是"区块—链—区块链—与經济管理结合—计算机、网络、算法、供应链、技术研究推进—应用具象化—未来拓展";美国处于国际研究与实践成果第一阵营和合作中心;笁程、作业与管理、商业与经济、管理是相关研究与实践所需的知识结构