目录

一、引言

二、准备工作

三、正式开始

使用CiteSpace能够解决这些问题：

1、在前面我们已经从CNKI上导出了txt文件，那么现在我们首先建立一个文件夹，在这个文件夹里创建四个文件夹data , input , output , project文件夹。

2、将从CNKI上导出的txt文件放在input文件夹里面。

3、为了避免txt文件里面有重复的文献记录，我们在CiteSpace软件里面单击Data，选择import

4、选择CNKI，并选择刚刚所建立的Input 文件夹和output文件夹所在位置。

5、单击【CNKI Fomat Conversion (2.0)】按钮进行删选，就可以在output文件夹里面自动生成筛选后的txt文件。

6、将output里面的txt文件复制到data文件里面，备用。

1、创建一个项目，单击【New】按钮

2、在Title里面输入英文名称，在Project Home里面选择刚刚建立的project文件夹所在位置，在Data Directory里面选择刚刚建立的data文件夹所在位置，其他的不用更改，直接单机【save】

3、设置条件，如下图所示(此处选择关键字共现分析)

4、单机【GO】按钮，运行分析

5、单击弹框中的【Visualize】,显示可视化分析结果

6、出现了黑色背景下的动图，如果长时间没有变成白色静止图，可手动单机【停止】按钮

7、可调整大小，通过调节图中三个位置可以很好地将图显示在你的视野之中

8、途中的节点默认使用的是十字架标识，可以单击【Nodes】→【Nodes Shape】将其更改为圆圈、矩形、三角形均可，我在这里将其更改为圆圈。

9、根据你自己的需要进行调节，具体说明如下

10、调节好后可呈现出如图所示的效果

备注点：在关键字共现谱图中，节点大小反应关键词出现的频次，节点越大，频次越大；节点之间的连线表示共现关系（即他们共同出现在一篇文章过），连线的粗细表示共现强度，连线的颜色对应节点第一次共线的时间（在上方有一条色带，每种颜色代表不同的时间）。

11、然后进行聚类分析，首先点击【Nodes】→【Comput Node Centrality】,使Centrality那一列的数据运算出结果

备注点：Centrality表示中介中心性，是测量节点在网络中重要性的指标之一，中介中心性高的节点是连接两个不同领域的关键枢纽，用紫色圈对该类文献进行重点标注，带有紫色圈节点的中介中心性不小于0.1。有两类节点可能具有较高的中介中心性：与其他节点高度相连的枢纽节点和位于不同聚类之间的节点。

12、点击聚类分析K，如图所示

13、选择聚类关键字显示数量，如图所示

14、把图调整至好看

备注点：在关键词聚类分析图谱中，把相近的同一主题的关键词都归在了一个类别里面，聚类出的序号越小，说明它的关键词成员越多。聚类是图体现聚类间的结构特征，聚类的区块颜色表示该聚类中共词关系第一次发生的年份。

15、如果想要显示有时间的聚类图，可以如图所示操作，得到以下图

16、关键字突变