科學知識圖譜方法及應用

科學知識圖譜方法及應用

課程考核：相關的課程論文，6月1號前交信息管理學院336辦公室。包括學號、姓名、聯(lián)系方式引言對學科（領域、主題）過去、現(xiàn)狀、前沿、熱點、趨勢的把握可通過什么方法手段？引言的重要性！文獻是記錄有知識的一切載體文獻是科學交流的主要途徑與手段了解領域歷史、現(xiàn)狀熱點、前沿趨勢選題，尋求切入點和突破點尋求新的研究方法和有力的論證依據(jù)避免重復勞動網(wǎng)絡環(huán)境，大數(shù)據(jù)。。。如果說我比別人看得更遠些,那是因為我站在了巨人的肩膀上。我不知道在別人看來，我是什么樣的人；但在我自己看來，我不過就象是一個在海濱玩耍的小孩，為不時發(fā)現(xiàn)比尋常更為光滑的一塊卵石或比尋常更為美麗的一片貝殼而沾沾自喜，而對于展現(xiàn)在我面前的浩瀚的真理的海洋，卻全然沒有發(fā)現(xiàn)

——牛頓目錄1知識圖譜概述234知識可視化概述知識圖譜繪制方法知識圖譜繪制工具5CiteSpace簡介與操作6知識圖譜應用案例知識語言文字肢體其它圖像1.知識可視化概述一圖展春秋，一覽無余；一圖勝萬言，一目了然

——大連理工大學教授劉則淵知識可視化實質(zhì)知識可視化形式圖解促進傳播創(chuàng)新百聞不如一見、一圖勝萬言！紐約大學心理學專家吉米·布洛諾（JeromeBruner）在實驗中發(fā)現(xiàn)，人們能記住10%聽到的東西，30%讀到的東西，但是卻可以記住80%看到的東西1.知識可視化概述1.知識可視化概述科學計算可視化(VisualizationinScientific;Computing)、數(shù)據(jù)可視化(Datavisualization)、信息可視化、知識可視化、知識域可視化?！癐nformationVisualization”術語是由斯圖爾特?卡德、約克?麥金利和喬治?羅伯遜于1989年創(chuàng)造出來的；美藉華人陳超美1999年率先發(fā)表了該領域的第一部專著《信息可視化》，創(chuàng)辦了國際期刊《Informationvisualization》。1.知識可視化概述知識可視化發(fā)展時間很短，正式起源于2004年，M.J.Eppler和R.A.Burkhard共同發(fā)表論文(knowledgeVisualization-TowardsaNewDisciplineanditsFieldsofApplication)。Eppler認為：知識可視化主要研究視覺表征的使用，主要目的是改進兩人或多人間知識的創(chuàng)造與轉(zhuǎn)移；知識可視化是指能用來構(gòu)建和傳遞復雜觀點和內(nèi)容的所有圖形手段和方式。1.知識可視化概述

信息可視化知識可視化知識圖譜可視化對象非空間數(shù)據(jù)人類的知識科學知識可視化目的從大量抽象數(shù)據(jù)中發(fā)現(xiàn)新的信息促進群體的知識創(chuàng)新和傳播展示學科，促進科學發(fā)展可視化方式計算機圖形圖像繪制草圖、知識圖表、視覺隱喻多維圖表、視覺隱喻交互類型人-交互人-交互人-交互1.知識可視化概述

概念圖知識可視化工具及其教育學習應用概念組成設計制作教育應用

思維導圖此外，在科研寫作中也需要繪制圖表，呈現(xiàn)知識關于“概念圖”的概念圖子題

6子題

7子題

5子題

4子題

3子題

2子題

1主題思考的主題

思維導圖：用于放射性思考閱讀下面黑體的詞匯，然后立刻閉上眼睛，持續(xù)30秒，思考它。

水果2.知識圖譜概述——基本概念知識是一個內(nèi)涵非常豐富的概念；知識廣泛存在于社會各個領域?？茖W知識圖譜廣義上包括：生物的基因圖譜、教育教學中的認知地圖、探索太空的天體圖、描繪地形的GIS、模擬人腦的神經(jīng)網(wǎng)絡圖、各種金屬圖譜等?？茖W知識圖譜是以科學知識為對象，顯示學科的發(fā)展進程與結(jié)構(gòu)關系的一種圖形，具有“圖”和“譜”的雙重性質(zhì)與特征。2.知識圖譜概述——基本概念2.知識圖譜概述——基本概念①較形象、定量、客觀、真實地顯示學科結(jié)構(gòu)、熱點、演化與趨勢，是學科基礎研究新視角。②知識圖譜可發(fā)現(xiàn)、描述、解釋、預測和評價科學知識。③對圖書情報學科具有更重要意義，也有助于信息檢索、信息分類與信息服務等。耗時、費力、難以重復、較主觀盲人摸象2.知識圖譜概述——基本概念2.知識圖譜概述——基本概念上世紀50年代，加菲爾德創(chuàng)制SCI，并以編年體形式手工繪制引文網(wǎng)絡圖譜；隨后“文獻耦合”（Kessler，1963），“科學引文網(wǎng)絡”（Price，1965），“同被引”（Small，1973）、“共詞”（Callon，1983）、“引文可視化”（White，1998）相繼提出基本原理是分析知識單元（科學文獻、科學家、關鍵詞等）的相似性及測度。采用不同的方法和技術繪制不同類型的圖譜?？茖W學科學計量學應用數(shù)學計算機科學信息科學科學知識圖譜2.知識圖譜概述——發(fā)展歷程傳統(tǒng)的科學圖譜以簡單的二維、三維圖形（如：柱形圖、線性圖、點布圖、扇形圖、平面圖等）表示科學統(tǒng)計結(jié)果文獻摘要或關鍵詞紀錄比例圖X論文增長趨勢線型圖2.知識圖譜概述——發(fā)展歷程1987年，美國基金會發(fā)表研究報告《科學計算中的可視》，開始長期資助科學可視化（scientificvisualization)研究1987年，著名計量學家克雷奇默創(chuàng)立“三維構(gòu)型圖譜”threedimensionalconfigurationmap之后出現(xiàn)“多維尺度圖譜”multi-dimensionalscalingmap20世紀20、30年代英國人類學研究提出“社會網(wǎng)絡分析圖譜”socialnetwortanalysismap卡爾提出“自組織映射圖譜”self-organizingmap實例：某學科期刊高頻關鍵詞共詞網(wǎng)絡2個知識群實例：某學術群體知識圖譜2.知識圖譜概述——發(fā)展歷程PFNET算法根據(jù)經(jīng)驗性數(shù)據(jù)，對不同概念或?qū)嶓w間聯(lián)系的相似性或差異程度做出評估，然后引用圖論中的基本概念或原理生成特殊的網(wǎng)狀模型

1990美國心理學家斯克沃斯茲恩巴克提出“尋徑網(wǎng)絡圖譜”pathfindernetworkscalingmap，PFNET將數(shù)據(jù)以及數(shù)據(jù)間關系表達成一個圖，圖中節(jié)點表示數(shù)據(jù)，線表示數(shù)據(jù)間關系運用較小生成樹法及復雜連接刪除算法，刪除網(wǎng)絡中大部分連接，保留最重要連接，最大限度簡化網(wǎng)絡2.知識圖譜概述——發(fā)展歷程用克林伯格跳變算法和共生詞分析法和圖示技術，研制主要主題和復雜趨勢的發(fā)現(xiàn)地圖印第安納大學KetanKMane和泊爾納提出“PNAS主題爆炸圖譜”，用以發(fā)現(xiàn)主要主題和復雜趨勢網(wǎng)絡中各節(jié)點代表高頻詞和爆炸詞節(jié)點大小代表該詞達到最大爆炸水平

顏色代表詞常用和達到最大爆炸水平的年代2.知識圖譜概述——發(fā)展歷程利用地理信息系統(tǒng)的可視化信息，地理地圖的自然組織框架，構(gòu)建隱含大量信息的可視化主題地圖有維斯(J.Wise)等提出“信息地圖”informationlandscape應用案例：

期刊文章的數(shù)量與資助基金間的動態(tài)關系圖譜

2.知識圖譜概述——發(fā)展趨勢隨計算機處理能力日益提高、文獻數(shù)字化，知識圖譜工具在模擬人類信息分析等方面，可幫助人類進行某些領域的判讀、搜索、決策、預測……IN-SPIRE發(fā)現(xiàn)工具可整合交互式信息可視化與詢問功能利用專利分析工具形成的專利知識圖譜論文的最小生成樹圖譜最小生成樹導航圖譜3.科學知識圖譜的繪制方法步驟3.1樣本數(shù)據(jù)獲取主要數(shù)據(jù)來源：WebofScience科學文獻數(shù)據(jù)：

(SCI)(SSCI)專利文獻數(shù)據(jù)：德溫特創(chuàng)新索引DII國際會議文獻數(shù)據(jù)：(CPCI)另外還有Scopus，ScienceDirect，L國內(nèi)數(shù)據(jù)庫：CNKI、CSSCI、CSCD、萬方等

網(wǎng)絡數(shù)據(jù)源：GoogleScholar、arXiv、CiteSeerX3.2樣本數(shù)據(jù)清洗基于文獻數(shù)據(jù)庫進行知識可視化的質(zhì)量、合理性和可靠性很大程度上依賴于所用數(shù)據(jù)的精確性和全面性，不準確或不全面的數(shù)據(jù)往往造成不精確甚至錯誤的結(jié)果。即使目前最權(quán)威、公認質(zhì)量最高的WoS，也存在數(shù)據(jù)著錄格式（如人名和地名的不統(tǒng)一）和遺漏的問題。改正字符錯誤，統(tǒng)一或增補分時段有代表性的抽取3.3選擇知識單元知識單元是知識處理的基本單位：關鍵詞、題名、作者、機構(gòu)、刊名、分類號、學科等等。目前也擴展到摘要、參考文獻和全文。多種結(jié)合。3.4構(gòu)建知識單元關系1、說明科學知識和情報內(nèi)容的繼承和利用2、標志科學的發(fā)展耦合文獻共被引分析是計量文獻之間關系的一種新方法。即2篇文獻共同被1篇文獻引用，這2篇文獻就構(gòu)成共引關系。共被引頻率定義為這2篇文獻一起被引用頻次——馬沙科娃、斯莫爾（蘇聯(lián)、美國）知識單元的共被引關系CR2001,NYTIMES1226,B2*AMPSYCHASS,1994,DIAGNSTATMANMENT*DEPHLTHHUMANSE,1999,MENTHLTHREPSURGG*USBURCENS,2000,STF3ADEPCOMMBURCBLAZERDG,1994,AMJPSYCHIAT,V151,P979EATONL,2001,NYTIMES1116,A1FOTHERGILLA,1999,DISASTERS,V23,P156FULLERTONCS,1999,AVIATSPACEENVIRMD,V70,P902GINEXIEM,2000,AMJCOMMUNPSYCHOL,V28,P495GOENJIANAK,2001,AMJPSYCHIAT,V158,P788

GREENBL,1990,JAPPLSOCPSYCHOL,V20,P1033HANSONRF,1995,JCONSULTCLINPSYCH,V63,P987

HARVEYAG,1999,JCONSULTCLINPSYCH,V67,P985KAWACHII,2001,JURBANHEALTH,V78,P458

KESSLERRC,1995,ARCHGENPSYCHIAT,V52,P1048KILPATRICKDG,1987,CRIMEDELINQUENCY,V33,P479MADAKASIRAS,1987,JNERVMENTDIS,V175,P286MAZURECM,2000,AMJPSYCHIAT,V157,P896

NORTHCS,1999,JAMA-JAMMEDASSOC,V282,P755ORTEGAAN,2000,AMJPSYCHIAT,V157,P615POLEN,2001,JNERVMENTDIS,V189,P442RESNICKH,1999,JANXIETYDISORD,V13,P359RESNICKHS,1993,JCONSULTCLINPSYCH,V61,P984ROTHBAUMBO,1992,JTRAUMASTRESS,V5,P455RUBONISAV,1991,PSYCHOLBULL,V109,P384RUEFAM,2000,CULTURALDIVERSITYE,V6,P235SHAHB,1997,SUDAANUSERSMANUALSHALEVAY,1998,AMJPSYCHIAT,V155,P630SHALEVAY,2000,JCLINPSYCHIATS5,V61,P33SHERBOURNECD,1991,SOCSCIMED,V32,P705SHOREJH,1989,JNERVMENTDIS,V177,P681TUCKERP,2000,JBEHAVHEALTHSERR,V27,P406documentco-citationauthorco-citationjournalco-citationACA/DCA/JCA3.5數(shù)據(jù)分析——數(shù)據(jù)標準化為便于可視化，對簡單地頻次計算的單元數(shù)據(jù)，標準化常常通過數(shù)據(jù)間的相似度測量。主要有兩大類：一是集合論方法（Set-theoreticmeasures），包括Cosine、Pearson、Spearman、Inclusion指數(shù)和Jaccard指數(shù)；二是概率論方法（Probabilisticmeasure），主要有合力指數(shù)（AssociationStrength）和概率親和力指數(shù)（ProbabilisticAf?nity）因子分析以較少幾個因子描述許多指標或因素間關系，即把較密切的變量歸在同一類，每類變量成為一個因子，以少量的因子反映原資料中大部分信息。主成成分分析其它聚類分析因子分析多維尺度分析通過低維（2維）空間反映作者（文獻）間的聯(lián)系，利用平面距離來反映作者（文獻）間的相似程度。在科學知識圖譜中，聚集高相似性的作者（文獻），形成科學共同體（學科前沿），用中間位置反映作者（文獻）與其他作者（文獻）的聯(lián)系越多，說明學科位置核心程度3.6數(shù)據(jù)分析——簡化分析3.6數(shù)據(jù)分析——簡化分析③自組織映射圖（SOM），模擬人的神經(jīng)中樞網(wǎng)絡，采用無導師學習的分類方法，能把任意輸入信息變換到二維離散網(wǎng)格上，并盡可能地保持原知識的拓撲有序結(jié)構(gòu)。3.6數(shù)據(jù)分析——簡化分析④尋徑網(wǎng)絡圖譜（PFNET），模擬人的記憶模型和聯(lián)想式思維方式，建立知識單元間最有效連接的路徑，經(jīng)過較復雜的模型運算刪除網(wǎng)絡中大部分連接，只保留最重要的，目的是將復雜大型的網(wǎng)絡進行最大程度的簡化。⑤聚類分析（Cluster）、潛在語義分析（LatentSemantic）、ForceDirectedPlacement(FDP)、三角法（Triangulation）、最小生成樹法和特征向量法（Eigenvector）等3.7知識可視化知識圖譜需要將處理后的知識在人機界面中，進行有效、精確地展示。知識單元及其關系可以通過不同模擬來可視化展示，例如幾何圖、戰(zhàn)略圖、沖積圖、主題河圖、地形圖、星團圖、簸幅圖等等。例如主題河圖（ThemeRiver）可視化中，用河流做隱喻來描述文獻主題隨時間的變化；主題的變化隨著外部事件的時間線索而顯示出來；主題河由術語的頻次支流組成，支流的寬度依據(jù)術語在不同時間段上出現(xiàn)頻次的不同而發(fā)生變化2.8知識圖譜解讀在知識圖譜的解讀過程中，常常需要對圖譜進行相應操作，包括瀏覽、放大、縮小、過濾、查尋、關聯(lián)和按需移動等。解讀主要從以下幾方面著手：網(wǎng)絡分析、歷時分析、空間分析、突變檢測社會網(wǎng)絡分析

據(jù)今日美國2006年的報道，911以后，美國國家安全局從AT&T,Verizon,BellSouth等三家美國主要電信公司搜集電話記錄，從中分析和查找潛在的恐怖分子網(wǎng)絡。著名SNA應用和管理咨詢專家ValdisKrebs根據(jù)大量公開數(shù)據(jù)，也繪制出了涉及911的恐怖分子關聯(lián)網(wǎng)絡小世界現(xiàn)象（六度分隔理論）這個星球上的每個人都不過是被其他六個人分割開來。這就是在我們與這個星球上的另外任何一個人之間的六度分離關系。美利堅合眾國的總統(tǒng)、威尼斯的船夫……這不僅僅對這些大人物成立，而且對任何人都成立：雨林中的土著人、火地島的居民、愛斯基摩人，等等。一根六人藤蔓把我和這個世界上的所有人都綁在了一起……理論指出：你和任何一個陌生人之間所間隔的人不會超過五個，也就是說，最多通過五個中間人你就能夠認識任何一個陌生人

20世紀60年代，美國心理學家米爾格蘭姆設計了一個連鎖信件實驗。米爾格蘭姆把信隨機發(fā)送給住在美國各城市的一部分居民，信中寫有一個波士頓股票經(jīng)紀人的名字，并要求每名收信人把這封信寄給自己認為是比較接近這名股票經(jīng)紀人的朋友。這位朋友收到信后，再把信寄給他認為更接近這名股票經(jīng)紀人的朋友。最終，大部分信件都寄到了這名股票經(jīng)紀人手中，每封信平均經(jīng)手6．2次到達。小世界現(xiàn)象（六度分隔理論）社會網(wǎng)絡分析方法中的基本術語在科學知識圖譜中的釋義度數(shù)（NodeDegree）基本概念分析角度密度（Density）捷徑（Geodesics）距離（Distance）關聯(lián)圖（ConnectedGraph）中心性（Centrality）凝聚子群（Clusters）核心-邊緣（Core-periphery）點度中心性（Degree）中間中心性（Betweenness）接近中心性（Closeness）點入度（In-degree）點出度（Out-degree）局部中心度對資源的控制程度整體中心度不受他人控制的程度K核（K-Core）成分（Component）整體網(wǎng)絡分析網(wǎng)絡密度復雜網(wǎng)絡4.科學知識圖譜的繪制工具專門工具、通用工具，國內(nèi)工具和國外工具。4.科學知識圖譜的繪制工具可視化展示工具的組合不同的可視化軟件具有不同的特點且使用不同的算法去聚類和可視化結(jié)果。因此，把握不同軟件的特點，根據(jù)研究目的對其進行合理的組配使用能夠達到理想效果。基于流程的組合方式?；谖募袷降慕M合方式?；谲浖K的組合方式。Bibexcelhttp://www.umu.se/inforsk/Bibexcel/---afree-wareon-linedevelopedbyOllePerssonSPSS

多元統(tǒng)計分析及可視化軟件

Correlationanalysis,PCA(factoranalysis),MDS,clusteranalysisWordsmithTools

詞頻分析軟件

Frequencyanalysisofwords應用的主要軟件Software改革開放30年情報學研究論文多產(chǎn)作者多層聚類分析結(jié)果科學計量學主流研究領域知識圖譜，1978-2004PajekSocialnetworkanalysis

UCINETSocialnetworkanalysis

這些軟件網(wǎng)上都有學習視頻、教程等相關資源。應用的主要軟件Software

——社會網(wǎng)絡分析軟件、可視化軟件UCINET最流行的社會網(wǎng)分析軟件，其中包括一維與二維數(shù)據(jù)分析的NetDraw，同時集成了Pajek用于大型網(wǎng)絡分析的免費應用軟件程序。/

PajekPajek(ProgramAnalysisforLargeNetwork),由盧布爾雅那大學的VladimirBatagelj和AndrejMrvar于1997年發(fā)布，是基于Windows的免費社會科學軟件，主要用于社會網(wǎng)絡分析可視化。該軟件可以提供非商業(yè)應用的免費下載，下載網(wǎng)址:

http://vlado.fmf.uni-lj.si/pub/networks/pajek/CreatPajek可以把excel格式的文件轉(zhuǎn)換為Pajek格式的軟件?？茖W計量學合作網(wǎng)絡知識圖譜，1978-20041992－1998年度情報學共詞分析結(jié)果應用的主要軟件Software——

多視角共引分析可視化軟件citespace

---afree-wareon-linedevelopedbyChaomeiChen1、通過引文網(wǎng)絡分析，找出學科領域演化的關鍵路徑2、找出學科領域演化的關鍵點文獻（知識拐點）3、分析學科前沿熱點4、探測學科知識基礎

文獻共引圖譜國際納米研究領域的主要期刊分布圖譜物理期刊化學期刊、納米期刊、及其他期刊共引圖譜作者共引圖譜作者合作網(wǎng)絡圖譜2納米粒子1納米薄膜、納米晶體、納米線、納米結(jié)構(gòu)、碳納米管4納米管吸附、納米硅6納米棒陣列、氧化鋅納米線3光譜分析、納米金、納米簇5納米復合材料、納米輸運、納米器件、納米技術、納米場效應晶體管7碳納米管場發(fā)射機理8納米傳感器、蛋白質(zhì)納米技術圖9國際納米研究熱點知識圖譜共詞圖譜672021/5/95

CiteSpace簡介與操作★★Citespace是一款應用于科學文獻中識別并顯示科學發(fā)展新趨勢和新動態(tài)的軟件。---afree-wareon-linedevelopedbyChaomeiChen1、發(fā)現(xiàn)學科領域演化的關鍵路徑、關鍵點文獻（知識拐點）2、可視化學科前沿、熱點和趨勢3、可視化學科結(jié)構(gòu)和流派4、可視化學科合作網(wǎng)絡結(jié)合GoogleEarth生成地理網(wǎng)絡合作圖

由美國德雷克塞爾大學（費城）信息科學與技術學院（TheCollegeofInformationScienceandTechnology,DrexelUniversity）ChaomeiChen教授研究開發(fā)。ChaomeiChen教授研究的InformationVisualization–CiteSpace是近幾年來在全美信息分析中最具有特色和影響力的信息可視化軟件。大連理工大學長江學者講座教授。

1983獲南開大學理論數(shù)學學士，1991獲牛津大學計算碩士，1995獲利物浦大學計算機學博士。Citespace的安裝是否安裝JAVA開機進入網(wǎng)站：/~cchen/citespace/OR離線開啟下載JAVA并安裝否是Citespace的安裝Citespace的操作步驟確定關鍵詞和專業(yè)術語收集數(shù)據(jù)選擇知識單元（例如提取研究前沿術語）時區(qū)分割閥值選擇精簡和合并顯示可視檢測驗證關鍵點確定主題詞和專業(yè)術語收集數(shù)據(jù)提取研究前沿術語時區(qū)分割閥值選擇顯示可視檢測驗證關鍵點★★運用盡可能廣泛的專業(yè)術語來確定一個知識領域。這是為了確保接下來的分析能涵蓋一個知識領域的全部內(nèi)容。Data：WosExample：CulturalHeritage

★★目前citespace數(shù)據(jù)主要來源于webofscience

。1、用步驟1確定的關鍵詞wos上進行檢索。確定主題詞和專業(yè)術語收集數(shù)據(jù)提取研究前沿術語時區(qū)分割閥值選擇顯示可視檢測驗證關鍵點1、用步驟1確定的關鍵詞wos上進行檢索。確定主題詞和專業(yè)術語收集數(shù)據(jù)提取研究前沿術語時區(qū)分割閥值選擇顯示可視檢測驗證關鍵點1、用步驟1確定的關鍵詞wos上進行檢索。確定主題詞和專業(yè)術語收集數(shù)據(jù)提取研究前沿術語時區(qū)分割閥值選擇顯示可視檢測驗證關鍵點1、用步驟1確定的關鍵詞wos上進行檢索。確定主題詞和專業(yè)術語收集數(shù)據(jù)提取研究前沿術語時區(qū)分割閥值選擇顯示可視檢測驗證關鍵點下載數(shù)據(jù)，包括題目、摘要和被引文獻。每個文獻記錄代表一篇引文(citingarticle)，在每條記錄中的參考文獻被稱為被引文獻（Citedarticle)1、用步驟1確定的關鍵詞wos上進行檢索。確定主題詞和專業(yè)術語收集數(shù)據(jù)提取研究前沿術語時區(qū)分割閥值選擇顯示可視檢測驗證關鍵點1、用步驟1確定的關鍵詞wos上進行檢索。Download_xx.txt格式確定主題詞和專業(yè)術語收集數(shù)據(jù)提取研究前沿術語時區(qū)分割閥值選擇顯示可視檢測驗證關鍵點文件必須以Download開頭數(shù)據(jù)的導入123確定主題詞和專業(yè)術語收集數(shù)據(jù)提取研究前沿術語時區(qū)分割閥值選擇顯示可視檢測驗證關鍵點4123確定主題詞和專業(yè)術語收集數(shù)據(jù)提取研究前沿術語時區(qū)分割閥值選擇顯示可視檢測驗證關鍵點引文題目、摘要、系索詞（descriptors,標引主題的單元詞或詞組）和標識符名詞性術語突發(fā)詞提取研究前沿術語確定主題詞和專業(yè)術語收集數(shù)據(jù)提取研究前沿術語時區(qū)分割閥值選擇顯示可視檢測驗證關鍵點確定主題詞和專業(yè)術語收集數(shù)據(jù)提取研究前沿術語時區(qū)分割閥值選擇顯示可視檢測驗證關鍵點C引文數(shù)量、CC共被引頻次、CCV共被引系數(shù)三個層次設定閥值，其余的由線性內(nèi)插值決定。確定主題詞和專業(yè)術語收集數(shù)據(jù)提取研究前沿術語時區(qū)分割閥值選擇顯示可視檢測驗證關鍵點聚類顯示和時間線顯示共被引文獻和關鍵詞混合網(wǎng)絡確定主題詞和專業(yè)術語收集數(shù)據(jù)提取研究前沿術語時區(qū)分割閥值選擇顯示可視檢測驗證關鍵點引文年環(huán)代表這篇文章的引文歷史。引文年輪的顏色代表相應的引文時間。一個年輪的厚度與某個時間分區(qū)內(nèi)引文數(shù)量成比例。節(jié)點中心旁的數(shù)字代表整個時間跨度內(nèi)的被引次數(shù)可視檢測——節(jié)點類型的分類共引作者共引機構(gòu)共引國別共引時間關鍵詞共引領域共引文獻（DCA）共引作者(ACA)共引雜志(JCA)確定主題詞和專業(yè)術語收集數(shù)據(jù)提取研究前沿術語時區(qū)分割閥值選擇顯示可視檢測驗證關鍵點確定主題詞和專業(yè)術語收集數(shù)據(jù)提取研究前沿術語時區(qū)分割閥值選擇顯示可視檢測驗證關鍵點★共引文章的合并網(wǎng)絡確定主題詞和專業(yè)術語收集數(shù)據(jù)提取研究前沿術語時區(qū)分割閥值選擇顯示可視檢測驗證關鍵點★共引文章的合并網(wǎng)絡確定主題詞和專業(yè)術語收集數(shù)據(jù)提取研究前沿術語時區(qū)分割閥值選擇顯示可視檢測驗證關鍵點★經(jīng)pathfinder裁剪的個體共引網(wǎng)的合并網(wǎng)絡修剪選項關鍵路徑和最小生成樹算法對各時間切片的個體共被引網(wǎng)絡修剪或合并網(wǎng)絡修剪確定主題詞和專業(yè)術語收集數(shù)據(jù)提取研究前沿術語時區(qū)分割閥值選擇顯示可視檢測驗證關鍵點★經(jīng)pathfinder裁剪的個體共引網(wǎng)的合并網(wǎng)絡確定主題詞和專業(yè)術語收集數(shù)據(jù)提取研究前沿術語時區(qū)分割閥值選擇顯示可視檢測驗證關鍵點Timeline確定主題詞和專業(yè)術語收集數(shù)據(jù)提取研究前沿術語時區(qū)分割閥值選擇顯示可視檢測驗證關鍵點在citespace軟件應用的基礎文獻中，軟件作者認為，關鍵點的本質(zhì)可以通過兩條途徑來確認：1、將關鍵點文章的作者視為該領域的專家，咨詢；2