科研文献的可视化分析(Citespace) PPT课件

1 科研文献的信息分析讲座之二科技文献的可视化分析 韩冬丽厦门大学图书馆生物及医学学科馆员dlhan 2 科研工作的基础文献信息素养 了解图书馆资源检索基本知识常用数据库RSS订阅 EndnoteX4MendeleyNoteExpress GoogleWaveMendeleyzoteromindmanager RefVizQuosaCitespacePublishorPerish 3 主要内容 一 可视化分析二 Citespace三 PublishorPerish四 文献信息综合分析实例 4 Knowledge 信息世界的三个基本元素 Data Information 5 三个基本可视化的形式 KnowledgeVisualization DataVisualization InformationVisualization ScientificVisualization InformationVisualization mappingknowledgedomains 6 1 科学知识图谱 mappingknowledgedomains 科学知识图谱是可视化显示知识资源及其关联的一种图形 可以绘制 挖掘 分析和显示知识间的相互关系 有助于了解和预测科学前沿和动态 挖掘开辟新的未知领域 基本原理 分析单位 科学文献 科学家 关键词等 的相似性分析和测度 基本方法 引文分析 共被引分析 聚类分析 词频分析 社会网络分析 7 常用可视化分析挖掘工具 面向科研评价领域ArnetMiner CiteSpace PaperLens TDA Thomsondataanalysis面向全领域TheNetworkWorkbench NWB IVC CNetMiner D Dupe面向社会科学领域 UCINET社群网络分析挖掘软件面向功能专题的工具CFinder C Group KrackPlot 8 2 面向科研领域 1 ArnetMiner 科研合作网的专家检索系统网址 http www arnetminer org 主要面向研究社会网络的各种特征 提供在线的作者资料检索 是相关领域及合作关系挖掘软件 可以很好地找出领域专家 作者从事的领域 合作团体等 该软件偏重于对单个作者信息的检索和挖掘 对领域专家和科研评价都有比较好的效果 9 专家搜索 主题搜索 两人间关系搜索 10 排名字段 11 12 13 14 15 2 CiteSpace 专门针对科研文献数据设计的可视化分析软件http cluster cis drexel edu cchen citespace 分析 挖掘和可视科研文献数据的应用软件 通过引文分析和聚类分析寻找研究热点及趋势 并以可视化的方式展示 3 TDA Thomsondataanalysis基于文本信息的分析和可视化工具 提供强大的可视搜索和挖掘功能 16 二 Citespace 17 什么是citespace Citespace是一款应用于科学文献中识别并显示科学发展新趋势和新动态的软件 利用Citespace寻找某一学科领域的研究进展和当前的研究前沿 及其对应的知识基础 18 一些概念 研究前沿 ResearchFronts 研究前沿系指临时形成的某个研究课题及其基础研究问题的概念组合 也是正在兴起或突然涌现的理论趋势和新主题 代表一个研究领域的思想现状 在CiteSpace中 采用Kleinberg的突变检测算法来确定研究前沿中的概念 基本原理是统计相关领域论文的标题 摘要 系索词和文献记录的标识符中词汇频率 根据这些词的词频增长率来确定哪些是研究前沿的热点词汇 根据这些术语在同一篇文章中共同出现的情况进行聚类分析后 可以得到 研究前沿术语的共现网络 19 知识基础 IntellectiveBase 即含有研究前沿术语词汇的文献的引文 实际上它们反映的是研究前沿中的概念在科学文献中的吸收利用知识的情况 对这些引文也可以通过它们同时被其他论文引用的情况进行聚类分析 即同被引聚类分析 最后形成了一组被研究前沿所引用的科学出版物的演进网络 即 知识基础文献的同被引网络 根据引文半衰期的明显不同 科学文献可分为 经典文献 classicarticals 持续高被引的文献过渡文献 transientarticals 在短暂时间内达到被引峰值的文献科研前沿 过渡文献知识基础 这些过渡文献的引文 20 CiteSpace研究的三个网络 研究前沿术语的共现 知识基础文章的同被引 研究前沿术语引用知识基础文章 过渡文献引用经典文献 21 Citespace的工作原理图 22 Citespace的安装 是否安装JAVA 开机 进入网站 http cluster cis drexel edu cchen citespace OR离线开启 下载JAVA并安装 否 是 23 Citespace的安装 24 Citespace的操作步骤 确定关键词和专业术语收集数据提取研究前沿术语时区分割阀值选择精简和合并显示可视检测验证关键点 25 确定主题词和专业术语 收集数据 提取研究前沿术语 时区分割 阀值选择 显示 可视检测 验证关键点 运用尽可能广泛的专业术语来确定一个知识领域 这是为了确保接下来的分析能涵盖一个知识领域的全部内容 Example 纳米生物技术nanobiotechnolog数据源 SCIE检索策略 Topic nanobiotechnolog ANDYearPublished all 26 目前citespace数据主要来源于webofscience 1 用步骤1确定的关键词wos上进行检索 确定主题词和专业术语 收集数据 提取研究前沿术语 时区分割 阀值选择 显示 可视检测 验证关键点 27 1 用步骤1确定的关键词wos上进行检索 确定主题词和专业术语 收集数据 提取研究前沿术语 时区分割 阀值选择 显示 可视检测 验证关键点 28 1 下载数据 包括题目 摘要和被引文献 每个文献记录代表一篇引文 citingarticle 在每条记录中的参考文献被称为被引文献 Citedarticle 确定主题词和专业术语 收集数据 提取研究前沿术语 时区分割 阀值选择 显示 可视检测 验证关键点 29 1 以文本形式保存 确定主题词和专业术语 收集数据 提取研究前沿术语 时区分割 阀值选择 显示 可视检测 验证关键点 30 1 文件必须以Download开头 Download xx txt格式 确定主题词和专业术语 收集数据 提取研究前沿术语 时区分割 阀值选择 显示 可视检测 验证关键点 31 数据的导入 1 2 3 确定主题词和专业术语 收集数据 提取研究前沿术语 时区分割 阀值选择 显示 可视检测 验证关键点 4 32 引文题目 摘要 系索词 descriptors 标引主题的单元词或词组 和标识符 名词性术语 突发词 提取研究前沿术语 33 1 2 3 确定主题词和专业术语 收集数据 提取研究前沿术语 时区分割 阀值选择 显示 可视检测 验证关键点 从数据的引文题目 摘要 系索词 descriptors 标引主题的单元词或词组 和标识符中检索N元文法 n grams 或专业术语 出现频次增长率快速增加的专业术语被确定为研究前沿术语 34 提取研究前沿术语 软件提供了词频增长检测 burstdetection 算法 该算法主要通过考察词频的时间分布 将那些频次变化率高 频次增长速度快的 突发词 bstterm 从大量题录的常用词中检测出来 用词频的变动趋势 而不仅仅是词频的高低 来分析科学的前沿领域和发展趋势 突现 词可以展现知识领域的研究前沿和发展趋势 通过生成共引文献网络以及施引文献主题词的共词网络 即得到一个由这两个网络共同构成的共引与共词混合网络 hybridnetworkofcitedartieleandeitingterms 图谱 可以展示出学科知识领域的重要被引文献以及由施引文献主题词所表达的重要研究领域或其前沿趋势 35 确定主题词和专业术语 收集数据 提取研究前沿术语 时区分割 阀值选择 显示 可视检测 验证关键点 36 时间切片 采取分治法 时间间隔被分成很多时间段 每个时间段都能形成一个独立的共引网络 再将单独网络按时间序列合并在一起 从合并网络的可视化图谱上显示出了相邻时间段的主要变化 进而找出学科领域的关键文献 探寻出图谱中重要的节点 中心点 关键点等 从而对学科演进的关键路径和学科发展脉络进行清晰的梳理 探测学科知识领域在发展演进过程中的动力因素和背景 37 可视检测 节点类型的选择 合著作者 合著机构 合著国别 共现词 共现关键词 共现目录 共引文献 DCA 共引作者 ACA 共引杂志 JCA 确定主题词和专业术语 收集数据 提取研究前沿术语 时区分割 节点选择 显示 可视检测 验证关键点 相关文献 资助基金 38 节点类型的选择 可以选择单独的节点 生成单一网络也可以选择多个节点 生成混合网络 39 确定主题词和专业术语 收集数据 提取研究前沿术语 时区分割 阀值选择 显示 可视检测 验证关键点 C引文数量 CC共被引频次 CCV共被引系数三个层次设定阀值 其余的由线性内插值决定 40 确定主题词和专业术语 收集数据 提取研究前沿术语 时区分割 阀值选择 显示 可视检测 验证关键点 聚类显示和时间线显示 共被引文献和关键词混合网络 41 确定主题词和专业术语 收集数据 提取研究前沿术语 时区分割 阀值选择 显示 可视检测 验证关键点 Timeline 42 确定主题词和专业术语 收集数据 提取研究前沿术语 时区分割 阀值选择 显示 可视检测 验证关键点 引文年环代表这篇文章的引文历史 引文年轮的颜色代表相应的引文时间 一个年轮的厚度与某个时间分区内引文数量成比例 节点中心旁的数字代表整个时间跨度内的被引次数 43 确定主题词和专业术语 收集数据 提取研究前沿术语 时区分割 阀值选择 显示 可视检测 验证关键点 共引文章的合并网络 显示合并网络 视图选项 显示各时间切片的网络 44 确定主题词和专业术语 收集数据 提取研究前沿术语 时区分割 阀值选择 显示 可视检测 验证关键点 共引文章的合并网络 45 确定主题词和专业术语 收集数据 提取研究前沿术语 时区分割 阀值选择 显示 可视检测 验证关键点 经pathfinder裁剪的个体共引网的合并网络 修剪选项 关键路径和最小生成树算法 对各时间切片的个体共被引网络修剪或合并网络修剪 46 确定主题词和专业术语 收集数据 提取研究前沿术语 时区分割 阀值选择 显示 可视检测 验证关键点 经pathfinder裁剪的个体共引网的合并网络 47 确定主题词和专业术语 收集数据 提取研究前沿术语 时区分割 阀值选择 显示 可视检测 验证关键点 在citespace软件应用的基础文献中 软件作者认为 关键点的本质可以通过两条途径来确认 1 将关键点文章的作者视为该领域的专家 咨询 2 对关键点文章的引用和被引用的段落进行内容分析 48 三 PublishorPerish PublishorPerish简介一款文献检索及分析软件基于GoogleScholar获取原始引文信息提供作者影响分析文献及杂志的影响因子分析软件的作者Anne WilHarzing教授下载地址 49 PublishorPerish的界面 查询区 分析结果区 50 主要的查询分析方式1 AuthorImpactAnalysis2 JournalImpactAnalysis3 Generalcitationsearch4 Multi querycenter 51 查询内容的填写包含字符串不包含字符串时间范围基本查询的信息输入查询领域选择类似于WebofScienceBiology LifeSciences EnvironmentalscienceBusiness Administration Finance EconomicsChemistryandMaterialsScienceEngineering ComputerScience MathematicsMedicine Pharmacology VeterinarySciencePhysics Astronomy PlanetaryScienceSocialsciences Arts Humanities 52 搜索的结果分析 53 二 文献检索分析功能 Authorimpactanalysis Papers 79Cites paper 14 54h index 19AWCR 134 62Citations 1149Cites author 372 06g index 33AW index 11 60Years 26Papers author 24 32hc index 13AWCRpA 37 92Cites year 44 19Authors paper 4 28hI index 4 88e index 25 28hI norm 10hm index 8 21Hirscha 3 18 m 0 73Contemporaryac 3 19Cites paper14 54 2 0 0 mean median mode Authors paper4 28 4 0 6 mean median mode 论文合作情况5paper s with1author s 12paper s with2author s 8paper s with3author s 16paper s with4author s 15paper s with5author s 17paper s with6author s 4paper s with7author s 2paper s with8author s 54 作者检索注意事项 如果确定作者的姓 必须用双引号将名字引起来 否则系统将以姓和名之间是OR的逻辑检索 用双引号后 系统以姓和名之间是AND的逻辑检索 比如 CTKulik不加引号PKulik CTWilliamson 等凡包含名和姓其中一个的都被检索出来 CTKulik 检索出CTKulik CTMKulik等同时包含名和姓的名字 55 作者检索注意事项 2 如果检索多个作者 CKulik MAmbrose 检索出同时包含两个作者的文章 注意 这里不能用AND连接 系统不识别 CKulik OR MAmbrose 检索出两个作者各自及合作的文章 56 作者检索注意事项 3 排除某位作者在Excludethesenames栏输入排除作者的姓名 用双引号引起来 如果要排除两个及以上的作者 直接输入引号引起的作者名字 就可以排除同时包含这几个作者的文章了 57 一些重要评价指标 H指数分析h index 由J E Hisch提出某一作者的h index为h 则他的所有的文献中有h篇被引用至少h次 而剩余的文章被引次数不超过h次Contemporaryh index hc index 考虑时间因素 越新的文章权重越大g index 由LeoEgghe提出某一作者的g index为g 则将其文章按引用次数排列 g为前g篇文章被引用了至少g2次 为提高高引用文章的权重 58 Individualh index平均H指数hi index考虑作者合写的情况 标准的h index值除以文章的作者数量hi norm先把文章的被引用次数除以作者数 然后再求排列后的h index值hm index把文章根据作者贡献分块排列 然后计算 59 引用情况分析 Age weightedcitationrateAWCR加入时间权重后的总引用值除以总文章数的平方根AWCRpA加入时间权重后的每个作者的总引用值除以总文章数的平方根AW index加入时间权重后的总引用值除以所有对h index有贡献的文章数的平方根 60 Journalimpactanalysis期刊影响因子分析用于分析某期刊的被引用情况 影响因子等输入刊名输入时间范围控制搜索领域暂不支持期刊的缩写 61 搜索结果对比非常明显 62 期刊检索注意事项 检索系统默认刊名的单词排序 因此 查JournalofManagement时 结果里不会出现StrategicManagementJournal等与原词序不同的刊名 但是刊名里包含JournalofManagement的刊都会被检索出来如果要精确检索 最好给刊名加双引号此外 如果某刊名正好与某出版机构名称相似 系统则默认检索的是出版机构 会将此出版机构出版的期刊都检索出来 63 排除某些期刊在Excludethesenames栏输入排除期刊的关键词 如果排除的两个词用双引号引起来 则只排除同时包含这两个词的刊名 如果不用双引号 则排除包含其中一个或两个词的刊名 64 Generalcitationsearch基本的搜索效果一般 出现结果一般与期望有差距如果文章被引用次数很高 则搜索结果较好如果引用次数很低 则结果出入较大 65 Multy querycenter搜素历史方便调用反应很快也可以新建搜索 66 三 结果处理 PublishorPerish的结果为两种分析结果的保存多种形式 txt excel等文献结果的保存多种形式 txt Endnote Bibtex等 67 3 1文献显示及保存 3 0以上的版本支持文献的显示Openarticleinbrowser结果为GoogleScholar里面的搜索结果可以直接打开文章 有下载链接如果学校图书馆已经购买此资源 则可以直接下载Opencitation relatedinbrowser打开引用此文献或与此论文相关的论文衔接 68 3 2对Endnote的支持 可以存为多种Endnote支持的文献格式支持导入Endnote支持Endnote的编辑包含内容相对丰富 69 如何将结果导入EXCL等 可以将检索结果保存为CSV格式 然后用EXCL ACCESS等程序打开File SaveAsCSV然后用EXCL或ACCESS打开CSV格式文件 导入时的设置 代码 Unicode UTF 8 分隔符 Comma文本标识符号 70 71 四 与google搜索平台的对比 优势速度快结果丰富引用分析结果丰富劣势基本搜索功能较弱存储的文献信息不够充实对同名的作者区分功能较弱 72 4 1主要应用 辅助的文献搜索工具对某一作者系统的分析对某一文献的引用情况的分析分析某一杂志的论文发表及引用情况 73 4 2几个使用技巧 从作者的主页介绍里面查找其姓名在文献中的缩写选择特定的研究区域与时间范围输入作者的工作单位得出结果按作者排列 去伪存真 74 五 结论 PublishorPerish是一个简单易用的文献搜索分析工具强大的作者文献引用情况分析方便的杂志影响因子分析 75 Example 化工领域的纳米催化剂文献数据源 SCIE检索策略 主题 katalystorcatalyzeroractivatororcatalyst AND主题 nanoornanotechnologyornanotechnology 精炼依据 学科类别 ENGINEERING CHEMICAL 入库时间 所有年份 数据库 SCI EXPANDED 四 文献信息分析综合实例 76 文献分析的步骤 先用SCIE数据库的基础分析功能用endnote管理软件简单分析再用refvize专业软件分析再用CITESPACE可视化分析软件 进行论文发表年代 地区分布 合著者国家 期刊 共被引 作者共被引和共词信息分析 绘制网络可视化图谱 77 1 SCIE数据库的基础分析 数据库的基础分析功能 78 九个字段的深入分析作者会议标题国家 地区文献类型 机构名称语种出版年来源出版物学科类别 文献分析入口 79 作者分析 发现该领域的高产出研究人员 有利于机构的人才招聘选择小同行审稿专家选择潜在的合作者 国家与地区分析 领域高产出的国家与地区 可进一步限定进行深入分析 80 来源期刊 发现此领域相关的学术期刊进行跟踪关注和投稿查看期刊影响因子 出版年分析 了解该研究的发展过程和趋势 分析各阶段的重要理论及发现 81 近20年收录论文的的年代分布图示和论文被引用状况图示 点击查看所有年份的图表可以得到所有年份的总体趋势图 论文总数 被引频次总数 篇均被引次数等统计信息 论文按照被引频次排序 查看每篇论文的每年被引用次数和年均被引用次数 发现研究热点 引文分析 82 2 Refvize专业软件分析 将检索的数据输出导入到endnote文献管理软件 83 Endnote管理软件的简单分析 84 关键词分析 发现领域内的研究热点 出版年代分析 研究趋势 85 3 Refvize专业软件分析 Endnote的Tool datavisualization 关键词排序 Galaxy视图 86 Galaxy视图分析 337篇文献被分为18个组 每个组代表一个研究主题每个文件夹代表一个组 文件夹大小代表组的大小整个领域可分为明显的3个研究方向3个研究方向之间的文献是跨方向的研究文献离主要研究方向远的分散文献组 研究内容有很大的差别 可能是新生研究热点 87 以carbon有关的催化 关键词 相关的文章 4个组 92篇文献 88 5个组 143篇文献 与particle和surface有关的催化 89 6个组 82篇文献 与tio2有关的催化 90 最大的组 55篇文献 toptopics 91 两个研究方向之间的交叉研究 92 Matrix视图分析 93 与第10组相关的主题词 发现此研究方向的研究内容和热点 94 95 不同主题词之间的相关性 发现不同主题词之间组成的新研究热点 96 4 Citespace可视化分析 97 CITESPACE的分析 国家分析 选择关键路径 pathfinder 算法 网络节点为国家 时间区选择2年 阈值为 1 1 10 2 1 10 2 1 10 绘制国家网络可视化图谱 图谱中不同大小圆环表示频次 freq 不同颜色表示不同的年份 最外层的紫色圈表示中心性 centrality 3 研究领域的国家分布 及各国家之间科研合作联系的紧密度 各国家研究涉及的主要研究方向 98 领域的国家分析 时间线 颜色代表不同年代 国家之间的连线粗细代表合作紧密度 合作越多 线越粗 连线的颜色代表合作的年代 99 从频次排序看 中国的节点圆圈明显大于其他国家 合作的文章111篇 说明中国在此领域的合著者频次最高 其次是日本和美国 但是从节点中心度看 美国的中心度最高 远高于其他国家 占核心地位 其次是德国和澳大利亚由此说明我国此领域合作比较广泛 但是在合作中不占主导地位 合作国家的频次排序 100 国家分布的时间线图分析 最先研究的是美国 韩国 然后是中国 德国 日本 再 红色的词是合作的研究方向 连线粗细代表合作度 101 CITESPACE的分析 期刊共被引分析 选择关键路径 pathfinder 算法 网络节点为期刊 时间区为3年 阈值为 5 5 30 10 10 30 10 10 30 绘制期刊共被引可视化网络图谱 见下张PPT 领域内核心期刊分析领域内合作频次高于50次的期刊有16种 其中位于前五位的分别是CATALTODAY APPLCATALAGEN JCATAL APPLCATALB ENVIRON CATALLETT2 领域内期刊互被引分析从相互间联系紧密度可以看出 以下期刊之间互相引用的频次很高CATALTODAY APPLCATALAGEN CATALLETT NATURE 102 期刊共被引分析图 有紫红色颜色的节点表示中心性强的重要节点 其他黄色被高亮显示的是影响领域的关键节点 103 期刊共被引的时间线图 最早创刊 104 从引用频次看 JCATAL共被引频次最高 但是其中心性低 中心性最高的是CATALTODAY0 74 比其他高出许多 是绝对的领域核心 其次是JAMCHEMRES和APPLCATALB ENVIRON因此 在关注发文量高的期刊同时 还应关注共被引频次以及中心度也高的期刊 才能够全面把握学科领域最前沿的研究成果 期刊共被引的频次排序 105 CITESPACE的分析 作者共被引分析 选择关键路径 pathfinder 算法 时间区为2年 阈值为 2 1 20 3 2 20 4 2 20 节点选citedauthor 绘制作者共被引可视化网络图谱 见下张PPT 找到领域发展进程中的各研究方向的重要学者 连接各聚类的关键学者 及其研究方向 DryME研究nano structuredironcatalyst2010年左右WangY研究nanostructuredcarbon basedelectrode近年HarutaM研究efficientcatalyticreactivity近年BondGc研究dieselsootcombustion较早年代ChoudhatyVR研究gas 106 作者共被引 citedauthor 图谱 107 作者共被引 citedauthor 图谱 从连线的颜色可以判断聚类出现的时间 108 作者共被引 citedauthor 最小生成树图谱 早期研究 最新研究 109 CITESPACE的分析 作者合作分析 选择关键路径 pathfinder 算法 时间区为2年 阈值为 2 1 10 2 1 10 3 2 10 节点选author 绘制作者合作可视化网络图谱 见下张PPT 分析可获得信息 了解领域发展历程中各年代出现的合作密切的学者群及他们的研究方向2 每个节点的文献 可右键点击查看具体详细的文章信息 了解最新研究进展3 从图可以看出 没有明显的重要节点 合作中没有核心学者 合作度比较松散 110 作者合作分析图谱 Indexingterms 111 CITESPACE的分析 共词分析 两种词 keywords和term nounphrases 选择关键路径 pathfinder 算法 网络节点为关键词或term 时间区为2年 阈值为 3 2 15 3 3 15 4 3 15 绘制共词可视化网络图谱 找出研究进程中的研究热点及其发展变化 选择最小生成树 mininumspanningtree 算法 参数设置同上 112 关键词共词分析 113 有紫色圈的是中心性强的关键点 oxidation tio2 methane carbon monoxide water gold mechanism 114 聚类分析 形成12个大的聚类 每个 号代表一个聚类 红色的是突发词 115 最大生成树 图中可以看出此领域研究热点和方向的变化历程 从节点和连线的颜色可以判断目前的研究热点hydrogen fischer tropschsynthesis microemulsions kinetics等 116 可以显示各时间切片出现的研究热点 02 03年oxidation 04 05年water catalyst carbon monoxide methane goldcatalyst conversion 06 07年 Spotlight显示影响热点切换的关键节点 117 时间线图 研究方向和热点出现的年代分布 也可以通过linkwalkthrough看各时间切片的热点 118 CITESPACE的分析 突现词分析 CiteSpace还可以根据某段时间内关键词共现频次 将变化率高的词从大量的主题词中探测出来 称为突现词 用红色字显示 设置 Termtype bursttermsNodetype key 119 突发词检测图 红色的词是突发词 根据词出现频率的突然提高检测出来的词 可以据此找到研究中新出的热点 120 突发词的时间线图 121 CITESPACE的分析 参考文献共被引分析 选择关键路径 pathfinder 算法 网络节点为被引文献 时间区为2年 阈值为 2 1 15 3 2 15 4 3 15 绘制纳米催化技术领域关键文献的可视化网络图谱 见下页 节点越大 代表被引用次数越多 是领域内经典文献BondGC 1999年CATALTODAYV41 P319HarutaM 1997年CATALTODAYV36 P153HarutaM 1993年JCATALV144 P175节点的颜色 节点颜色代表不同年代被引用 代表年代的颜色见图的最上方 红色圈的代表近几年还在被引用 比如 BondGC 1999年CATALTODAYV41 P319LinsebiglerAL 1995 Chemrev V95 P735 122 参考文献共被引分析 123 有7个明显的聚类 每组内节点大的是组内的核心文献 每组的颜色代表发表的大概年代 红色的词是每组研究的主要内容 第1组 深蓝色 2000年之