Citespace是专业的文献分析软件，可以快速对一个行业的历史研究以及研究现状进行分析。
红色的词代表突发性的词，根据不同的颜色划分不同的实践段，通过分区分不同的研究领域
Citespace主要分析和可视化方法：
地图叠加
网络分析
文本分析
- 地理地图叠加可视化
- 宏观双图叠加可视化
- 时间序列网络可视化
- Cluster View
- Timeline View
- Timezone View
- 结构变异轨迹
- 引用趋势可视化
- Burst View
- 文本可视化
- 概念树
3.1 分析基本步骤
- 准备数据
- 整理数据
- 地理数据叠加
- 学科关联双图叠加
- 网络可视化
- 概念树
- 解读
3.2 收集数据
3.2.1 可分析数据库
Citespace可以进行引文分析的数据库：
带有引文的科学文献数据
- Web of Science Core Collection
- Scopus
- CSSCI
- CSCD
缺少引文的科学文献数据
- Web of Science中其他数据库
- MEDLINE / Pubmed
- CNKI
3.2.2 网络分析
(1) 共被引网络分析
- 文献共被引，作者共被引，期刊共被引
(2) 共现网络分析
-
合作网络：作者，机构，国家，地理位置
-
共词：关键词，学科索引，名词短语
(3) 文献耦合网络分析
3.2.3 分析和解读策略
方法：
-
由浅入深地理/宏观双图叠加，聚类图，时间线，等等
-
学科分类，关键词，被引文献
范围：从整体到局部聚类：从大到小
时间：由远到近
色彩：由鲜艳（重要）到平淡
字体：由大到小
标签：LSI, LLR, MI
指标：burst, 中心性, sigma, u180
3.2.4 要点
- CiteSpace提供了几种分析科学文献的方法；
- 参照分析和解读策略制定最有效而系统的分析方案；
- 解读时综合运用科学发展的宏观理论；
- 认真区分数据和可视化所表现的来自其它来源的信息。
4.1 Citespace下载安装
首先确定自己电脑的位数，根据自己电脑的位数下载对应的java位数。
Citespace下载页面：http://cluster.ischool.drexel.edu/~cchen/citespace/download/
选择对应的Java版本进行安装：https://www.oracle.com/java/technologies/downloads/#java8-windows
首先需要安装Java环境，其次再进行Citespace安装。
4.2 功能参数界面
进入的界面如下：
4.2.1 项目区
项目区图片如图所示：
- 是用来导入项目文件进行新的分析；
- 是当前所分析项目的名称；
- 是对当前的项目的再设定
- 是自己建立的project文件夹文件，随着数据分析会产生很多结果文件，保存在此目录下。
- 是自己下载的原始数据，分析的时候会把路径加载到此位置。
4.2.2 数据处理过程
数据处理窗口如下：
4.2.3 时间切片
对所下载的文献切片处理：
根据需要选择合适的时间切片。
4.2.4 节点类型选择
根据需要选择合适的节点进行分析：
- 节点类型决定了使用CiteSpace分析的目的；
- 选择了节点类型，CiteSpace将从对应的字段来提取数据。例如，进行Keyword分析， CiteSpace将从数据中读取DE字段的数据，来提取关键词信息。
4.2.5 选择阈值
-
阈值，在数据处理中CiteSpace会按照用户设定的阈值提取出各个时间切片满足的文献，并最后合并到网络中
-
该步骤可以认为是对数据的精炼，以提取最具影响力的数据来进行可视化。
- g-index g指数分析
- Top N 分析被引次数前多少的文献
- Top N% 分析被引次数前百分之多少的文献
4.3 可视化界面介绍
点击运行之后，选择可视化可以进入可视化界面：
4.3.1 快捷功能区
快捷功能区如图：
按下停止按键，可以让图形界面停止，选择自己喜欢的图形。
按下单色显示按键，图形颜色会显示单一颜色，效果如图：
4.3.2 快捷菜单
快捷菜单如图：
- Spotlight（聚光灯）：突出显示中介中心性高的节点之间的连接
- Citation/Frequency Burst：显示英文突发的情况，能够看出论文激增或者突发情况。能够看出该领域哪些文献被突然关注起来，以及关注的变化过程。如下图：
可以对图片进行放大缩小，在做博士论文的时候，可以通过文献分析这个领域，看看自己的研究方向是这个领域的哪个部分，并对这个部分进行放大进行进一步分析，以及现在的受关注情况，颜色越靠近色条右方，越是最近的研究热点
-
link walkthrough：顺序显示对应年份的共被引连线，来考察网络的演化。
-
搜索框：可以在搜索框中搜索人名，分析两个人的兴趣、研究文献的广泛性以及对学科的贡献。
4.3.3 控制面板
控制面板标签模块调整如图：
可视化图方面的调整：
颜色以及透明度设置：
4.3.4 查看节点相关信息
选中一个节点，然后右击，如图：
选择，能够看到节点的被引的时序图，如下图：
右键进行节点设置：
：节点排除后重新运行，显示的是所选的节点被排除后的网络
如果想合并两个节点，先选中第一个节点A，然后右键选择，然后选择第二个节点B，再通过，然后再运行，B节点就会合并到A节点中。
注意：合并多个节点的时候，如果顺序被弄乱，会不成体系。
5.1 Citespace分析特点
数据分析与数据组成
数据分析与数据内容联系密切。对于科技文本数据而言，索引型数据库的数据内容包含了除了正文以外的所有内容，而且还增加了数据库本身对论文的分类标引。
当然，不同的数据库的格式也有一定的差异性，相比而言 Web of Science 和 Scopus 的数据结构是为完整的，Derwent专利数据 和 CSSCI 次之，CNKI的完整性最小。分析中文的时候建议分析 CSSCI 的数据。
各个数据库包含的数据完整性不同，因此在CiteSpace中是不能完成有关分析的。如CNKI数据不包含参考文献字段，那就不能进行文献的共被引分析，作者的共被引分析和期刊的共被引分析。
CiteSpace分析的数据是以WoS数据为基础的，即其他数据库收集的数据都要先经过转换，成为WoS的数据格式才能分析。
Citespace可以分析的数据类型如下所示：
Citespace可以分析的数据源：
5.2 英文数据的采集
- Web of Science数据采集
- Scopus数据采集
- PubMed数据采集
- 德温特专利数据采集
由于每个学校的购买的数据库年限不一样，并且每个学校购买的数据库更新时间也不同，所以检索的内容可能不同。因此需要在论文中说明所购买数据库的时间范围，以及自己使用数据的时间范围。
5.2.1 Web of Science数据采集
在 Web of Science 上选择 Web of Science Core Collection 搜索库，输入关键词进行搜索，搜索后，选择导出 Plain text file 格式的文件。
接着进行导出文件设置，如下：
建议将下载的数据文件命名为这样的形式。
5.2.2 Scopus数据采集
在Scopus搜索的英文界面下，搜索相应的内容，然后选择然后点击。
选择导出格式，并且全选所有导出内容，并导出。
建议将下载的数据文件命名为这样的形式。
然后将导入检索得到的数据：
选择来源数据库为Scopus，根据如下图所示导入数据并进行转换。
推荐首选 Web of Science 进行数据检索，否则可能会存在转换数据丢失的情况。
可以通过如下图看出和文件之间的区别：