从 CiteSpace 思考双链知识图谱的可能改进方向

昨天帮女朋友改论文格式，她用了 CiteSpace 这个软件做领域内的知识图谱，我之前没有用过，顺道简单了解了下。

CiteSpace 主要功能

• 共现图谱

  • 作者共现网络

    • 发现核心作者与合作团体：在某一研究领域，通过作者共现图谱可以清晰地看到哪些作者出现的频率较高，即节点较大，这些作者往往是该领域的核心作者。同时，连线较多的作者之间表示他们存在合作关系，进而可以发现该领域的主要合作团体及其内部的合作紧密程度。
    • 分析研究力量分布：从图谱中可以看出不同作者在整个研究领域中的位置和影响力，了解各研究团队或机构的作者分布情况，以及不同地区作者之间的合作情况，有助于把握该领域的研究力量分布格局。

    ​​

  • 国家共现网络

    • 揭示国际合作态势：国家共现图谱能够直观地展示不同国家在某一研究领域的参与情况以及相互之间的合作关系。连线表示国家之间存在合作，连线的粗细可以反映合作的密切程度，从而帮助了解该领域的国际合作现状和趋势。
    • 比较各国研究优势：通过节点的大小和出现频率，可以看出不同国家在该领域的研究活跃度和影响力，进而分析各国在该领域的研究优势和特色，为国际间的科研合作与交流提供参考。

    ​​

  • 关键词共现网络

    • 挖掘核心主题与研究热点：关键词共现图谱中，节点大小代表关键词出现的频次，频次越高说明该关键词所代表的主题在该领域越受关注，是核心主题的可能性越大。通过分析关键词之间的连线关系，可以发现不同主题之间的关联程度，进而挖掘出研究热点以及热点之间的相互关系。
    • 追踪研究主题演变：对不同时间段的关键词共现图谱进行对比分析，可以了解研究主题的演变过程。新出现的关键词以及其与其他关键词的共现关系变化，能够反映出该领域的新兴研究方向和发展趋势。​​

    ​​

• 聚类分析

  • 定义：聚类是将具有相似特征的文献聚集在一起形成不同的类簇。CiteSpace 采用特定的算法（如基于文献之间的相似性度量）来进行聚类操作。每个聚类代表一个相对独立的研究主题或研究方向。
  • 应用场景：在社会科学研究中，如对教育学文献进行聚类分析，可能会形成 “课程设计”“教育技术应用”“教育评价” 等不同的聚类。这有助于梳理复杂的学科知识结构，使研究人员清晰地看到该领域包含哪些主要的研究分支，以及各分支的研究规模（通过聚类的大小来体现）和相互关系。

  ​​

• 时间线图

  • 定义：这种分析方法主要关注文献的时间分布特征。CiteSpace 可以按照时间顺序展示文献的产出情况、研究主题的演变等。通过对文献发表时间的统计和分析，可以揭示学科的发展历程和不同阶段的研究重点。
  • 应用场景：在技术领域，如通信技术的发展研究。从早期的模拟通信技术到数字通信技术，再到现在的 5G 乃至未来 6G 通信技术的研究文献，CiteSpace 的时间序列分析可以清晰地展示出每个阶段的主要研究成果、技术突破点以及不同阶段之间的传承和创新关系。

  ​​

• 突现词分析

  • 定义：突现词是指在某一时间段内使用频率突然增加的词汇。CiteSpace 能够检测出这些突现词，这有助于发现学科领域内的新兴研究热点和趋势。它通过计算词汇的突现率来衡量其重要性和新颖性。
  • 应用场景：以材料科学为例，当一种新型材料被发现后，与之相关的 “纳米结构”“量子点” 等词汇可能会在文献中频繁出现，成为突现词。利用 CiteSpace 进行突现词分析，可以及时捕捉到这些信息，帮助研究人员快速了解该领域的最新研究方向动态，为科研选题、科研战略规划等提供有价值的参考。

  ​​

双链笔记图谱功能畅想

要是双链笔记的图谱也能有聚类分析、突现词分析，我想图谱也会更有意义，而不是只是在网络图里找内容、找联系

补充：LLM 领域的知识图谱

关于知识图谱，我最近还看到一个有趣的视频：B 站知乎微博，谁更讨厌彩礼?_哔哩哔哩_bilibili

用 LLM 领域的知识图谱概念，从不同社交平台的评论中提取并构建知识图谱数据库，让它们以各平台代表性的观点和表达方式，围绕一个话题展开辩论。

​​