CiteSpace关键词聚类时，如何调整参数以优化聚类效果？

Question

在使用CiteSpace进行关键词聚类时，如何通过调整参数优化聚类效果？常见的技术问题包括：如何设置合适的“Years Per Slice”以平衡时间粒度与数据量？过短的时间片段可能导致数据稀疏，而过长则可能模糊时间特征。其次，“Pruning”选项中的阈值（如Top N nodes per slice）如何选择？过高会丢失重要信息，过低则导致噪声干扰。此外，聚类算法（如LEIDEN或LPA）的选择及分辨率参数如何影响聚类粒度？分辨率值过大可能产生过多小聚类，过小则导致聚类过于宽泛。最后，关键词的同义词处理和停用词设置是否合理，也直接影响聚类质量。如何综合考虑这些参数，以获得既清晰又具代表性的聚类结果？

Answer 1

1. 理解CiteSpace关键词聚类的基本参数

在使用CiteSpace进行关键词聚类时，理解其基本参数是优化结果的第一步。以下是几个关键参数及其作用：

• Years Per Slice: 控制时间片段的长度。过短可能导致数据稀疏，过长则模糊时间特征。
• Pruning: 用于减少节点和边的数量，避免网络过于复杂。
• Clustering Algorithm: 决定聚类方法（如LEIDEN或LPA）。
• Resolution Parameter: 影响聚类粒度，过高产生过多小聚类，过低导致宽泛。

合理设置这些参数需要结合数据特性和研究目标。例如，对于年份跨度较大的数据集，可以适当增加Years Per Slice值以平衡数据量与时间粒度。

2. 如何选择合适的Years Per Slice

Years Per Slice的设置需考虑以下几点：

1. 数据的时间跨度：如果数据跨越多年，建议将Years Per Slice设为3-5年。
2. 数据密度：如果每年的数据点较少，可增大Years Per Slice以确保每个时间片段有足够的数据。
3. 研究需求：若关注短期趋势，Years Per Slice应较小；若关注长期演变，则可较大。

示例代码展示如何调整Years Per Slice：

# 设置Years Per Slice为4年
years_per_slice = 4

3. Pruning选项中的阈值设定

Pruning选项中的Top N nodes per slice决定了每个时间片段保留的节点数量。设定原则如下：

场景	推荐值	原因
小型数据集	Top 10-20	避免信息丢失，同时保持清晰。
中型数据集	Top 30-50	平衡信息量与噪声。
大型数据集	Top 100+	捕捉更多重要节点。

通过调整Top N值，可以在信息完整性和可视化清晰度之间找到平衡。

4. 聚类算法及分辨率参数的影响

不同的聚类算法对结果有显著影响：

• LEIDEN: 更适合大规模网络，聚类结果稳定。
• LPA: 计算速度快，但可能产生较多孤立聚类。

分辨率参数的调整可通过以下流程图说明：

graph TD;
    A[开始] --> B{分辨率值是否合适？};
    B --过大--> C[产生过多小聚类];
    B --过小--> D[聚类过于宽泛];
    B --适中--> E[获得清晰聚类结果];

根据实际需求调整分辨率参数，例如从0.5逐步调整至1.5，观察聚类效果变化。

5. 同义词处理与停用词设置

关键词的同义词处理和停用词设置直接影响聚类质量：

• 同义词处理: 使用CiteSpace的“Term Merger”功能合并相近术语。
• 停用词设置: 移除无意义词汇（如“and”, “the”），避免干扰。

综合考虑以上参数，可以通过多次试验找到最佳组合，确保聚类结果既清晰又具代表性。