CiteSpace实践—中文CSSCI数据分析

根据上一篇文章中的citespae初步了解中介绍的关于CiteSpace进行数据分析的四个步骤，进行实例探究中文CSSCI数据分析。

1、数据准备

1.1 确认主题

本次希望看看关于计算机类的论文，近些年最火的内容有哪些？

1.2 选择数据源

CiteSpace常见用于分析中国社会科学引文索引数据库（CSSCI）和中国知网（CNKI）的数据。
① CSSCI，http://cssci.nju.edu.cn/ 需要有权限才能进行数据下载，数据1998年-至今
② CNKI，http://www.cnki.net/ 即使没有数据权限也可以收集所分析数据
本次我们选择的是CSSCI数据库，并且选择《数据分析与知识发现》期刊，进行数据源的下载。

关于为什么选择《数据分析与知识发现》期刊？
一般的期刊，在南大官网上通过期刊导航就可以找到：（http://cssrac.nju.edu.cn/a/cpzx/zwshkxwsy/ ）

实际上，CSSCI里面并没有明显的像CNKI里面专门针对计算机类的期刊，比如《软件学报》、《计算机学报》


那怎么去找到，那些关于计算机类的期刊呢？
我才用的方式是，先搜索你想了解的内容，比如《知识图谱》，然后看这个内容出现在哪个期刊中的比例比较高，这样就可以定位关于计算机的期刊了，只需要接下来对这个期刊进行数据下载就可以了。

1.3 实施检索

我们选择高级检索–>键入《数据分析与知识发现》–>选择期刊名，勾选精确–>时间跨度是近两年–>最后开始检索

找到所需数据：

2、数据收集

2.1 数据采集

直接全选内容

2.2 数据导出

直接选择下载。

原始数据就是扩展名为.txt的文件：

2.3 数据保存

接下来开始建立文件夹data、input、output、project（这是一种约定俗成的步骤，也可以不这么来，可以自定义）他们分别是用来保存用于数据分析的处理过得数据、原始未格式处理过的数据，格式处理过输出的数据、对数据进行分析后数据的结果。

数据保存这一步操作实际上就是将下载好的原始数据放到input包里面，这里需要注意

• ① 命名规则必须是download_XX
• ② 必须将字符编码格式转换为UTF-8的格式：打开.txt文件–>文件–>另存为–>保存即可
  

2.4 格式转换

Data–>CSSCI2.0–>Browse–>Format Conversion,直到出现finished算是成功。

输出结果会自动在文件名中添加_wos，并以.txt文件输出

3、系统运行

3.1 数据导入

将output文件夹下的数据全部复制到data包里面
然后点击new一个project,起一个名字，再把数据导进来（注意project和data的数据分别在哪），最后一定要注意的一点是：Data Sourse要选择WOS数据源（这个是万能的数据源，选择CSSCI也可能是会出错的，但是选WOS不会错），最后save就可以了。

3.2 设置选择项

• 首先选择时间切片（因为咱们下载的是进三年的数据，所以2017-2019），
• 其次设置Node Type类型：注意，如果是CSSCI导出的数据是可以进行Reference等操作，但是如果是CNKI导出的数据是不能进行Reference这项操作的。这里，我们可以依次选择Reference、Author、Keyword等进行数据分析
• 最后勾选pruning sliced networks
  

3.3 go运行

点击got运行后，会在Space Status中出现处理后的数据结果、在Process Reports中出现进程报告。

3.4 开启开始化窗口

点击Visualize按钮

3.5 图谱呈现于优化

优化可以通过control Panel控制面板调整样式

也可以进行知识图谱背景的转换（红色框框）或者是聚类分析（黄色框框），

4、图谱分析

我们接下来做一下关键词、作者、和被引关系的图谱分析，都将图谱生成图片.png格式

Keyword：

这个背景我选用的是浅绿色，从图中可以简单的看到大概的数据情况：

当然也可以通过出现频次和中心性和图谱进行对照，可以看到深度学习的出现频次为8，中心性也是最高的0.3，从上图中也可以看出深度学习的紫色阴影是最大的：

Reference:

这个背景我选用的是浅红色，从图中可以简单的看到大概的数据情况：
通过出现频次和中心性和图谱进行对照，可以看到天鹏的被引是最高的，现频次为4，中心性也是最高的0.08，从上图中也可以看出他的显示的字也是最大的：

Author

这个背景我选用的是默认色，从图中可以简单的看到大概的数据情况：
这里实际上，我对这些作者进行了一个聚类，效果不明显，原因是因为数据量较少。通过分析出现频次和中心性和图谱进行对照，钱力的发文量是最高的，中心性也是最大的。同时也是在图谱中字最大的。

这样，就将整个分析过程走了一遍，但是这只是其中一个比较常用的内容，其他的分析过程基本上也是按照这个步骤走的.这篇文章就到这里了，欢迎大家积极评论多多交流。