术业专攻｜数据可视化：使用VOSviewer呈现知识网络图谱

科学知识图谱是显示科学知识发展进程与结构关系的一种图形。以科学知识为计量研究对象，属于科学计量学范畴；以数学模型表达科学知识单元及其关系，以可视化形式绘制成二维或三维图形。

（1）引文分析是利用各种数学、统计学及逻辑方法，对科学期刊、论文、著者等各种分析对象的引用与被引用进行分析，揭示其数量特征和内在规律。

（2）共词分析通过对一组词两两统计它们在同一篇文献中出现的次数，以此为基础对这些词进行聚类分析，从而反映出这些词之间的亲疏关系，进而分析这些词所代表的学科和主题的结构变化，发现学科的研究热点，横向和纵向分析学科领域的动态发展和静态结构。

（3）社会网络分析将社会结构界定为一个网络，这个网络由成员之间的联系进行连接。社会网络分析更多地聚焦于成员之间的联系而非个体的特征，并把共同体视为“个人的共同体”，就是视为人们在日常生活中所建立、维护并应用的个人关系的网络。

（1）降维技术包括因子分析、聚类分析、多维尺度分析、力矢量布局算法、寻径网络技术、最小生成树算法、三角测量以及自组织映射神经技术等。

（2）交互技术包括鱼眼视图、透视墙视图以及双曲视图等。

常用科学知识图谱绘制软件包括SPSS、Pajek、Bibexcel、VOSviewer、Gephi、Citespace等，各软件简介见下图。

VOSviewer是荷兰莱顿大学科技研究中心（The Centre for Science and Technology Studies, CWTS）的Van Eck和Waltman于2009年开发的一款基于JAVA的免费软件，主要面向文献数据，适应于一模无向网络的分析，侧重科学知识的可视化。

VOSviewer 是一个用于构建和可视化文献计量网络的软件工具。这些网络可能包括期刊、研究人员或单独的出版物，它们可以基于引用、文献耦合、共同引用或共同作者关系来构建。VOSviewer 还提供文本挖掘功能，可用于构建和可视化从大量科学文献中提取的重要术语共现网络。

（1）打开VOSviewer官方网址，点击左下角的VOSviewer下载按钮。

网址：https://www.vosviewer.com/

（2）直接点击Download，会出现不同操作系统对应的版本，直接下载安装即可。

（3）通过网页下载VOSviewer.jnlp文件并启动。

（4）下载完成后，先解压，然后双击运行VOSviewer。

（5）首次使用VOSviewer，会提示需要安装运行Java环境，如已安装Java可忽略，若未安装则跟着提示下载即可。默认转到Java官网，点击下载。

VOSviewer的主窗口由以下5个部分组成（见下图）：

（1）主界面：主界面显示当前活动图谱，具有缩放和滚动功能，可用于详细浏览图谱。

（2）选项界面：选项界面调整可视化图谱属性（形状、颜色等）。

（3）信息界面：信息界面描述当前图谱中知识单元（聚类数量等）。

（4）概览界面：显示当前活动图谱的整体概览。

（5）操作界面：矩形框表示主面板中显示的图谱区域。操作界面可用于执行不同类型的操作，例如创建新图谱、制作屏幕截图、更新布局或聚类等。

（1）VOSviewer常见的文献获取数据库有：Web of Science、Scopus、CNKl、Pubmed等。推荐使用Web of science数据库，因为引文数据比较全面，可分析的东西较多。

（2）根据构建科学知识图谱的目的和用途，制定检索策略，构建检索式。根据检索结果，优化调整检索式直至得到合适的分析样本数据（一般建议数据在几千条，如果上万条，有可能机器带不动，无法分析）。

（3）直接通过网页使用，下载VOSviewer检索完成之后，选择导出数据：纯文本文件；以此类推下载，直至最后一个。建立一个文件夹，把所有下载数据放进去，等待后面的分析即可。

（1）打开VOSviewer软件，基于已下载数据创建一张图。

（2）点击next，选择来源数据库。

（3）点击浏览，选择全部数据。

（4）点击next进行读取数据，数据读取完后选择图谱类型。这里选择第一个作者分析。

（5）选择“Thesaurus file”进行初步数据清理，即采用VOSviewer官方设置来合并同义词、删除指定词语。

（6）点击Next，这里进行选择阀值，一般可以不动。

（7）显示满足设定阈值的作者情况（此处为发文数>=5）。

（8）点击Finish，得到一张简单的作者合作情况分析图。

（1）构建图谱。

（2）选择数据来源。

（3）选择合作情况及选择统计方法。

（4）选择阈值。

（5）选择分析和计算方法的类型。

保存节点和边的数据以及图谱数据。

直接点击截图后面的下拉箭头，选择save；提供多种类型的图片。如果只是暂时性的使用，可以点击直接粘贴到剪切板；更多选项中，可以选择放大缩小多少倍，是否包括边界，是否需要透明背景。

节点越大，代表出现次数越多，或者文章越多；连线代表两个节点之间关系的强弱，越强则线越粗；不同的颜色代表不同的术语，软件将领域或者研究相近的关键词进行了归类，点开Item就能发现每一个Cluster的具体的关键词。

Method指呈现的数学方法，推荐第4种算法。Layout调节图形外观参数，一般采用默认2和1，也可以采用其他建议参数2和0，1和0，调整完后点击update。Clustering中设置聚类的类目数量以及类目下面包含的terms数量。Rotate/flip图形旋转情况，一般不动。

VOSviewer软件通过其独特的三种可视化图谱——网络可视化、叠加可视化和密度可视化，为用户提供了深入分析和理解复杂数据集的强大工具。

（1）网络可视化也叫聚类视图：圆圈和标签组成一个元素，元素的大小取决于节点的度、连线的强度、被引量等，元素的颜色代表其所属的聚类，不同的聚类用不同的颜色表示，通过该视图可以查看每个单独的聚类，例如通过主题共现发现研究热点的结构分布、通过作者合作发现研究小团体、通过作者耦合网络发现学者对研究主题的异同情况等。

（2）关键词叠加可视化分析指将时间因素叠加到关键词共现网络中。如下：不同的颜色对应着关键词出现的年份，颜色越蓝表示关键词出现的时间越早，越黄说明关键词出现的时间越晚。节点颜色是由每个关键所处年份的平均时间确定的。

（3）密度视图即热力图。在密度可视化中，以与网络可视化和叠加可视化类似的方式，通过其标签来表示。密度可视化中的每个点都有一个颜色，指示该节点的密度。默认情况下，颜色范围从蓝色到绿色再到黄色。一个点附近的节点数量越多，相邻节点的权重越高，该点的颜色越接近黄色。反之，一个点附近的节点数量越少，相邻节点的权重越低，该点的颜色越接近蓝色。颜色可以自行修改。

（1）确保下载数据中包含以下四项完整信息：author、title、keywords、abstract（特别是keywords完整）。

（2）检查abstract和keyword项是否有乱码。若出现乱码，可再次找到原始数据，再次下载或手工输入摘要和关键词。有些文献格式，本来就没有关键词，可以尝试根据摘要或者文章添加keywords，可通过手工方式或软件补充。

（3）确保同一作者的名字表示是一样的。如果作者没有统一，可能会导致作者网络的分析结果严重偏差。

（4）Thesaurus_terms.txt里含有两列。

（5）文档的第一行是标题行（label/replaced by）。

（6）从第二行开始，两列的内容用tab键分隔。

（7）当A出现在label列，与此同时B出现在replaced by列，代表的含义是：B可以替换A。如果B是空白，没有内容，意味着A可以被忽略。

（8）使用excel文件打开txt文档，编辑完之后保存为“unicode 文本”格式。

（1）选择阈限值——“1”即出现1次就被纳入，则所有作者均可入选。这个操作可看到所有作者的情况。

（2）确认选择的关键词（可剔除一些跟研究不相关的）。