大数据时代图书馆信息系统的文献共引可视化分析

除了关键词的贡献分析外，另一种重要的可视化技术为共引分析，首先，需要设定数据的节点，本节还是以“舆情”作为研究对象，如图5-54所示。

图5-54　基于CiteSpace的共引分析设置图

然后，点击“Go！”按钮进行生成，由于引用的数据结构比合作网络分析和共现分析复杂，因此，往往需要对生成的数据进行裁剪。CiteSpace计算完成后，生成的共引网络可视化如图5-55所示。

图5-55　基于CiteSpace的共引分析结果图

在进行共引分析时，操作原理和共现分析类似，但是考虑到引用网络的复杂性，在进行共引分析时，结果的可视化更为灵活。首先，对共引结果图进行聚类，默认是“Term”方法，聚类结果如图5-56所示。

(www.xing528.com)

图5-56　基于CiteSpace的共引分析“Term”法聚类图

从图5-56中可以看到，基于引用文献的研究热点比基于原文进行共现分析的研究热点更多，更能看到该研究领域在整个学科中的科研全景。如果基于被引文献的关键词，则生成的聚类如图5-57所示。

图5-57　基于CiteSpace的共引分析“Keywords”法聚类图

从图5-57中可以看到，相关的聚类有15个，如果要对每个聚类的时间轴进行分析，则生成的结果如图5-58所示。

图5-58　基于时间轴的全聚类的共引分析

通过共引分析，可以快速发现相关领域重要的文献分布，快速定位该领域的重要文献。关于共引分析的其他原理与关键词的共现分析类似，本书不再赘述。