CiteSpace关键词聚类图谱怎么看？从原理到实操的完整读图指南

上周有个研二的学弟抱着电脑来找我，说他用CiteSpace跑了一张关键词聚类图谱，图是出来了，但完全不知道该怎么解释。他问的问题特别典型：“老师让我把每个聚类的含义写出来，我连聚类0和聚类1有什么区别都看不出来，怎么下笔？”说实话，这几乎是每个刚接触文献计量的人都会撞上的墙——CiteSpace能一键生成图谱，但没人告诉你图谱里那些色块、节点、连线到底在说什么。

我做了好几年的文献计量分析，前后跑过几十个项目，发现很多人卡住的地方其实不是软件操作，而是“读图”。关键词聚类图谱是CiteSpace最常用、也最容易被误读的输出结果之一，它直接决定了你论文里“研究热点”“研究趋势”这一章的质量。这篇东西我就把它掰开揉碎讲清楚：聚类是什么、图谱上每个元素代表什么、怎么从图谱里提炼出能写进论文的结论，还有我自己踩过的一些坑。不管你手里的图谱是自己刚跑的，还是导师丢给你的，这篇文章都能让你从“看不懂”过渡到“讲得明白”。

1. 先搞清楚：关键词聚类图谱到底在表达什么

1.1 从共现网络到聚类：一次“物以类聚”的归类

关键词聚类图谱的前身是关键词共现网络。所谓共现，就是两个关键词出现在同一批论文里的次数。比如你检索到100篇关于人工智能教育的文献，其中80篇同时标了“深度学习”，另外60篇同时标了“个性化学习”，那这两个词就跟“人工智能教育”有较高的共现强度。

CiteSpace把这种共现关系画成网络，然后通过聚类算法把联系紧密的关键词“抱团”归成一个个群落。每个群落就是一个聚类，代表一个大致的细分研究主题。你可以把它理解成整理书架：散落在地上的书是关键词，聚类就是把内容相近的书归到同一层架子上，聚类标签就是这层架子的主题名。

这里要打破一个常见误解：聚类不是先人工定好主题再去归类，而是算法根据关键词之间的关联强度自动划分的。所以你的图谱上出现什么样的聚类，完全取决于你导入了哪些文献、关键词清洗得干不干净、参数设得合不合理。很多人在这一步就栽了跟头——数据没清洗，同义关键词各算各的，聚类结果自然一片混乱。

1.2 聚类编号、模块值Q和轮廓值S：三个必须看的数字

打开聚类图谱时，你会看到右侧边栏有聚类编号，从0开始往后排。很多人不知道的是，聚类编号不是随机分配的，它的顺序在通常意义上和聚类规模有关——编号越小，往往代表这个聚类包含的成员关键词数量越多、在研究共同体中的声量越大。所以聚类0通常是你这个研究领域里最大、最活跃的主题板块。

但光看编号远远不够，真正决定图谱能不能用、怎么解释的，是左上角那两个常被忽略的数字：模块值Q和平均轮廓值S。

模块值Q衡量的是网络划分成聚类群落的质量，数值范围一般在0到1之间。Q值大于0.3，说明聚类结构是显著的，也就是说这些主题板块是真的存在边界，而不是算法硬拆出来的；如果Q值接近0，意味着整个网络就是一锅粥，聚类的可信度大打折扣。平均轮廓值S则衡量每个聚类内部的紧密度，简单说就是这个“书架”上的书内容够不够接近。S大于0.5聚类基本可用，大于0.7就属于令人信服的水平，低于0.3说明这个聚类内部可能混进了不该塞的东西。

注意：这两个参数是审稿人和导师大概率会追问的指标。你要在论文里明确写出“Q=0.xxx，S=0.xxx，表明聚类结构显著、结果合理”这类表述，而不是只放一张漂亮的图。

2. 3步读懂聚类图谱：节点、连线与色块

2.1 节点大小看热度，年轻环颜色看时间

把视线从边栏挪回图谱主体，你会看到各种各样的圆形节点。节点的物理含义很直观：圆越大，代表这个关键词出现的频次越高，也就是被更多文献使用过，可以理解为这个研究主题里的热门词汇。比如你跑教育类文献，“课程思政”的节点往往大得夸张，这在最近的文献里是高频词。

节点内侧的彩色圈层叫“年轻环”（tree ring），这是CiteSpace最有辨识度也最容易被忽略的视觉元素。每个环对应一次发文年份，环的厚度对应当年出现的频次。你可以把它理解成一棵树的年轮：某一年爆发得很猛，那一圈就会特别厚。顺着年轮由内向外看，你就能还原一个关键词从冷门到热门的完整轨迹。

年轻环的颜色默认对应时间切片，图例在图的左下或右下角，颜色从冷色到暖色代表时间从早到晚。读图的时候我习惯先看两个东西：最大的节点是哪个，哪个节点突然在某个时间点出现“突变式增厚”——后者对应的是CiteSpace的突现词（burst term），说明这个主题在那段时间受到集中关注，是研究前沿的信号。

2.2 连线粗细看关系强度，紫色外圈看关键枢纽

节点与节点之间的线，本质上在传达共现强度。连线越粗，说明两个关键词共同出现的频次越高，它们之间的研究关联越紧密。这个逻辑不难理解，但很多人不会用它来做结论。我教你一个用法：找到那些“跨聚类”的粗连线，它往往揭示了两个主题板块之间正在融合，比如“人工智能”这个节点同时连着“教育评价”聚类和“数据分析”聚类，那说明AI正在向这两个子领域渗透。

另一个必须认识的特征是节点外层的紫色圈环。紫色圈不是谁都有，它表示这个关键词的中介中心性（betweenness centrality）很高。这个概念听起来学术，我可以打个比方：假设你要从城市A去城市C，中间必须经过城市B，那B就是整个交通网络里的枢纽站。在关键词网络里，紫色节点就是这样的枢纽——它是连接不同主题板块的桥梁词。

在我的经验里，紫色节点是论文里可以大书特书的部分。因为高频词只能说明“多”，紫色节点说明“关键”。一个节点可能出现的频次不是最高的，但如果它带紫色圈，它往往是学科交叉点上承上启下的那个词，解释它比罗列一堆高频词更有深度。高频词回答“大家都在研究什么”，紫色节点回答“哪些词把不同研究串起来了”。

2.3 聚类色块：边界的范围与聚类的重叠

再看那些覆盖在节点上的大块色团，这就是聚类边界。每个色块圈定了一组关键词的覆盖范围，色块和色块之间如果重叠较深，说明这两个主题板块的内容有交叉；如果边界清晰，说明它们各自独立发展。

这里容易出问题。很多新手会直接引用色块上的默认标签当主题名，但默认标签不一定是关键词本身，它可能是LLR（对数似然率）算法从标题或摘要里提取出来的短语。标签内容取决于你生成聚类时选择的标签来源——是用“关键词（Keywords）”、“标题（Title）”还是“摘要（Abstract）”。

我自己的做法是：聚类标签只在初始阶段用来快速分辨主题方向，真正写论文的时候，还是要回到聚类内的高频词列表去综合判断。因为标签算法提取出来的词有时过于宽泛，比如命名为“model”的聚类里其实可能包含了预测模型、理论模型、仿真模型好几个维度，只看标签会误导解读方向。

3. 进阶：时间线图和时区图怎么看

3.1 时间线图：横向看主题的“起承转合”

如果你手里只有聚类的网络视图，那你看的是某个时间切片上的截面；想看到整个时间段内研究主题的演变，得切换时间线视图（Timeline）。在控制面板的“Layout”里选“Timeline”，图谱就会变成横向时间轴展开的形式。

时间线图的横轴是年份，纵轴按聚类编号排列，每个聚类一行。当年出现的文献节点会被排在对应年份的位置上，然后以一条条线串起来。所以这个视图能清楚地呈现：某个聚类什么时候开始有研究、什么时候最热、什么时候明显降温、后来又有没有复兴。这比静态的网络图多了一个“动态成长”的维度，特别适合写“研究脉络演进”这种章节。

看时间线图我推荐你关注三个信号：第一，聚类的时间跨度，跨度大说明这个主题生命力强；第二，聚类内部节点的冷热交替，如果一个聚类里后期出现的节点颜色明显变暖，说明它迄今仍然是活跃主题；第三，聚类之间的“接力”关系，经常看到一个聚类在某个年份退潮，另一个聚类随即开始升温，这背后往往是研究范式或热点方向的转移。

3.2 时区图：纵向看研究前沿的落脚点

时区视图（Timezone）是另一种常见布局。它把所有节点按照首次出现的年份放在不同的“时间带”上，同一时间段内首次出现的关键词会被叠在同一区域。这个视图最有价值的地方，是让你一眼看清新词是何时扎堆出现的。

我把时区图称为“前沿探测器”。如果某一年突然冒出来一大批新关键词，而这些词在之前从未出现过，通常意味着一个研究浪潮启动了。比如2016年前后许多教育技术文献里突然集中出现“深度学习”相关词，再看后面的连线，这些词又在一两年后带动了“学习分析”等主题的发展，就能很直观地讲出一个“概念引入—扩散—成熟”的故事。

需要注意，时区图不等于时间线图。时区图更关注新词出现的年份分布，时间线图更关注既有聚类内部的时间演化。写论文时，前者用来讲“什么时候开始出现新方向”，后者用来讲“这个方向后来怎么变了”，二者互相补充，缺一不可。

4. 从数据到图谱：完整实操流程

4.1 跑出聚类图谱的关键参数设置

理论讲完了，上点真正能落地的步骤。以下是我跑的比较多、问题也比较少的参数组合，你可以直接参考。

第一步是数据准备。我一般优先用Web of Science核心合集的数据，因为CiteSpace对它支持最友好。检索完文献之后，选择“导出”为纯文本文件，一次最多导出500条（需要分批导出，文件多了不碍事，把多个txt放进同一个data文件夹即可）。如果你是知网的数据，选择“Refworks”格式导出，在CiteSpace里转换之后再分析。

第二步是参数设置。时间切片（Time Slicing）方面，我通常按年份切片，跨度根据你数据的实际年份来，不要为了凑数把整个时间段拉太长。阈值部分，Top N一般取50，意思是每个时间切片内只选取频次排名前50的关键词纳入分析；如果你的数据量小或者网络太稀疏，可以降到20-30。节点规模太大会图太乱，数据量大的时候也可以试g-index，k值设为25左右。

剪枝（Pruning）设置我建议选Pathfinder Network Scaling（寻径网络缩放）配合“Prune sliced networks”和“Prune the merged network”。剪枝的作用是把无关紧要的弱关联连线去掉，让聚类结构更清晰。我见过有人不剪枝，图谱里全是一团乱麻，Q值也没法看，就是这一步的问题。

第三步是运行聚类。点击Run按钮等软件跑完后，回到可视化界面，选择“Clusters”，然后点击“Visualize”。在聚类视图弹出后，在最上方工具栏选择“Clusters”下的“Clustering”，软件会重新计算聚类，出来带色块的聚类图。要导出聚类明细表，就点“Summary of Clusters”，会生成每个聚类包含的规模、轮廓值、主要标签词和Top Terms。

4.2 优化图谱显示与标签的细节

跑出来的默认图基本都是需要调整的，不要直接截图进论文。我每次必做的几个调整，大家可别嫌麻烦：

第一是调标签显示数量。默认状态下节点标签会挤成一团，一个词压着另一个词，什么都看不出来。选中图谱后在控制面板里找到“Labels”，把标签的阈值往上调，或者直接点“Adjust”，让每个标签之间保持足够间距。之前热搜词里有“citespace如何显示字”，本质上就是调标签显示这里，别在字体大小那里折腾太久，优先调阈值。

第二是重新获取聚类标签。如果默认标签读起来很别扭，很可能是标签来源选错或算法默认恰好选到了通用词。到控制面板的“Clustering”区，标签来源可以切换“Keywords（关键词）”、“Title（标题）”、“Abstract（摘要）”，建议三种都试一次，对比看哪个更贴合你对该聚类的理解。通常“Keywords+LLR”的结果比较稳。

第三是导出清晰图片。图谱调好以后，点击文件夹形状的Export按钮，选“PNG”格式，像素设高一些。不要直接截图，截图分辨率不够，放进毕业论文里放大就会糊。导出后把图片尺寸控制在页宽70%左右，标签能看清即可。

5. 高频率踩坑：图谱解读常见问题速查

5.1 典型问题与排查思路

我在实际使用中遇到过不少问题，也帮别人排查过不少。很多问题看起来是“做图”的锅，本质上是“读图”或“参数”的锅。这里列一张速查表，你照着对应排查就行。

5.2 避坑心得

第一，不要迷信默认参数。我一开始用CiteSpace也是直接默认参数跑，结果图谱出来要么别扭要么难解释。后来学会了根据文献量和研究需要去调整，效果完全不一样。软件默认值只是通用建议，不是金科玉律。

第二，数据清洗值得花时间。把“AI”“Artificial Intelligence”“人工智能”等词在文献来源层面处理好，比事后在软件里反复试参数有效得多。但注意：CiteSpace自带的词表合并功能（Term Type里选Noun Phrases，再在Network界面做合并）能帮一部分忙，处理不了太细的语义差异，所以检索策略这一步我就习惯在文献筛选阶段就把方向收窄。

第三，聚类标签的解读需要用上“聚类内Top Terms”表。只看标签名字容易踩坑。比如标签词是“system”，聚类里的高频词可能是“recommender system”和“management system”，这是两个完全不同的研究方向。我的习惯是每次解读聚类时都把“Summary of Clusters”表格导出来，逐个聚类扫一眼它的高贡献词，确认主题边界之后再下笔。

6. 实例拆解：一个虚构聚类图谱的含义解读

6.1 假如图谱长这样，你会读吗

为了让你直观理解读图流程，我虚构一个教育技术领域的聚类例子。假设你跑出以下聚类信息：

你怎么解读？我的方法是按三步走。

第一步，看全局。Q值如果大于0.3，说明这五大聚类的划分成立。聚类0规模最大、轮廓值最高，所以在线学习是这个样本时段内最主流的研究主题。聚类4虽然存在，但S值只有0.532，说明这块研究可能还在成长期，主题还没有完全收敛，解读时用词要谨慎。

第二步，看关联。注意聚类1和聚类2之间是否有粗连线，如果有，说明“人工智能”和“学习分析”正在深度结合，很多文献同时关注这两个方向。你可以在论文里写“人工智能相关技术与学习分析领域的交叉融合趋势明显”，这是图谱直接支持的结论。

第三步，看时间。翻转时间线图，如果聚类0的颜色从早期一直延伸到晚期，它就是一个持续型热点；聚类3的颜色如果集中在中后期，它就是一段后发的兴起方向。这些时间坐标就直接支撑你写“研究演进趋势”了。

6.2 把读图结论写进论文的一个参考范式

很多同学读图读得懂，一落到论文就语塞。我基于上面的虚构例子，给你一个可以直接参考的写法逻辑：

先交代整体质量：“对关键词共现网络进行聚类分析，得到5个聚类模块，模块值Q=0.672，平均轮廓值S=0.842，表明聚类结构显著且结果可信。”

然后按聚类编号分头描述，顺序可以由主到次：“聚类0规模最大，主要涵盖在线学习相关研究，该模块以学习平台与学习者自主行为为核心议题……聚类1聚焦人工智能技术的教育应用，高频词包括机器学习、智能辅导等，显示该主题正处于快速扩张阶段……”。

最后写关系与演化：“从聚类间连线及时间线分布看，聚类1与聚类2存在显著交叉，说明人工智能与学习分析的结合是近年来的新兴方向；聚类3的活跃时间集中于样本后期，可视为研究前沿主题。”

这样一段话，不需要任何主观臆断，每个结论都能指向图谱上的一个对应元素。导师看到就会觉得你是真看懂了图，而不是在凑字数。

关于实际操作，我个人的体会是：CiteSpace的聚类图谱不是机器自动给你一份标准答案，它的价值在于把海量文献压缩成一张可以讨论的地图。你能不能从中读出故事，取决于对数据源、参数和视觉元素的掌握程度。上面这些读图方法和参数经验是我反复调了几十次逐步摸索出来的，你第一次跑数据，建议先照着一套参数走通流程，再回头看图谱，慢慢就会有自己的手感。这工具不复杂，但值得认真对待。