我要投稿

机构引文图谱如何通过VOSviewer设置调整

发布日期：2024-06-11 11:59:56 浏览次数： 2350 来源：Shared Learning

通过【VOSviewer在分析不同文献数据库来源的数据时有何差异】的介绍，我们知道VOSviewer软件对WOS、Scopus、The Lens、Dimensions、PubMed不同数据库来源的文献数据，能够进行的可视化分析功能存在差异，但不同数据库来源的文献数据在进行同样的可视化分析时，操作步骤是完全一致的，基于此，后续文章将围绕具体的可视化分析功能，以各文献数据库导出的“教育+元宇宙”主题的相关文献数据为例，演示如何具体操作。

本文在前文【VOSviewer中如何绘制机构引文网络图谱】基础上，主要讲解机构引文图谱如何通过VOSviewer设置调整，包括以下几方面。

1.机构项数设置：在前文中我们设置机构项数为313，但这些机构中，有293个机构的文献与其他机构的文献存在共引论文的关系，考虑到“教育+元宇宙”作为新兴研究领域，相关的研究比较分散且总量较少，这种情况下，可以适当降低机构项数，如果想要保留尽可能完整的机构数，可以保持机构项数不变，如下图，针对图谱效果欠佳的情况，我们可以通过后续设置调整优化。

2.链接强度归一化设置：在显示313个机构项的引文图谱中存在的最显著的问题，就是无链接项在右侧围了半圈，而有合作链接的项拥挤到一块，这种情况下我们可以先通过VOSviewer提供的链接强度归一化方法进行调整，具体的归一化方法有No normalization、Association strength、Fractionalization、LinLog/modularity四种，设置后，点击更新布局Update Layout就能得到最新的图谱效果，通过对比能够发现LinLog/modularity方法效果更好，具体效果如下图所示。

3.机构项位置设置：机构的引文网络图谱中不同机构项的位置是通过吸引Attraction （-9到+10）和互斥Repulsion（-10到+9）两个参数来设置，吸引参数的值要高于互斥参数的值，从而保证同聚类下的机构项能够聚在一起、而不同聚类下的机构项能够有一定距离从而隔开，实际使用中需要结合图谱显示效果来进行具体设置，如下图，本例中设置的+3和-2，需要注意的是在选中Use default values情况下两个参数是无法调整的，如下图所示。

4.聚类参数设置：Resolution用来设置机构引文网络图谱中聚类的分散程度，值越大聚类数量越多聚类越分散，反之则聚类越集中，本例中原本的聚类是比较分散的，可以降低Resolution值到0.8，此外可以设置最小的来源期刊聚类大小Min. cluster size为2和融合小的期刊聚类Merge small clusters，从而筛选掉小聚类，增加机构引文网络图谱的凝聚度，无论设置哪些参数，在设置完成后都需要手动点Update Clustering，从而看到最新的效果，具体如下图，设置Resolution值为0.8、最小聚类大小为2，更新聚类后共有26个聚类，如下图，通过图中聚类颜色来判断（红、黄、绿、蓝为主），聚类数应该少于26才对，但是由于无链接项的存在，所以聚类数较多。

5.旋转/翻转/缩放/移动调整：在查看机构的引文网络图谱过程中，研究者可以通过设置单次旋转度数Degrees to rotate来旋转Rotate图谱，也可以水平Flip Horizontally/垂直Flip Vertically翻转图谱，还可以通过图谱右上角的操作框上下左右移动图谱，放大/缩小图谱，从而查看清楚图谱的细节信息。

6.可视化参数设置：Scale用来调整机构引文网络图谱中项节点和标签的大小，越往右滑值越大，项及标签就会越大；Weights用来设置使用不同的权重属性，包括Links、Total link strength、Documents、Citations、Norm. citations，来调整不同项及标签之间的相对大小，项的权重越大其圆形表示和标签越大，表明在机构引文网络图谱中越重要，如下图。

7.标签参数设置：Size variation用来调整权重参数不同产生的相对大小的差异化程度，如果滑动到最左侧，所有项的圆形表示和标签都一样大，如果在最右侧，权重值带来的圆形表示和标签的相对差异会最明显。还可以切换机构项以圆形Circle或方形Frame来表示，以及最大的机构名称长度Max. length和字体Font，如下图。

8.链接参数设置：Size variation用来设置因机构间共引链接强度不同导致的链接粗细差异化程度，越靠左差异越小越靠右差异越明显，还可以设置最小链接强度Min. strength和机构引文网络图谱中的最大链接数Max. lines。此外，可以设置链接是否为彩色Colored lines及是否为曲线Curved lines，如下图，机构共引链接设置的是彩色直线显示，且设置了最小链接强度为0、图谱中最大链接数为3600，所以能够注意到图谱中的链接非常稠密。

9.颜色参数设置：在机构的引文网络图谱中主要是设置聚类颜色，包括不同聚类中机构项及其共引链接的颜色，设置方式有Edit colors、Import colors、Export colors、Use default colors四种，如果有提前做好的颜色文件可以直接导入Import colors，如果觉得当前的聚类颜色可以后续使用可以导出Export colors，也可以使用默认颜色Use default colors，还可以对当前颜色进行编辑修改Edit colors，此外可以切换图谱的背景是否为黑色背景，具体如下图。

10.叠加/密度图谱切换：点击左上角的Overlay Visualization就能够从机构的引文网络图谱切换到机构的引文叠加图谱，并能够通过得分Scores属性和颜色范围Set Colors Range来设置叠加图谱的显示效果，如下图，得分属性为Avg. norm. citations，值越大越接近蓝色，表明来源期刊的平均标准引文数越多，通过颜色的对应关系也能够注意到“教育+元宇宙”相关的研究正处于起步阶段，大多数机构开展“教育+元宇宙”相关的研究比较少。

点击左上角的Density Visualization就能够从机构的引文网络图谱切换到机构的引文密度图谱，并能够设置密度图谱中各部分（项item/聚类cluster）的内核宽度，以及是项Item的密度图谱还是聚类Cluster的密度图谱，如下图，分别是机构项的引文密度图谱和机构聚类的引文密度图谱。此外，还能够设置不同类型密度图谱的颜色。

53AI，企业落地应用大模型首选服务商

产品：大模型应用平台+智能体定制开发+落地咨询服务

承诺：先做场景POC验证，看到效果再签署服务协议。零风险落地应用大模型，已交付160+中大型企业

160+中大型企业正在使用53AI

立即咨询预约演示

百度智能云邀53AI：共创AI新纪元，启航智能新时代

2024-05-27

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

2024-05-22

热点资讯

一文带你了解大模型——智能体（Agent）

2024-05-28

全面对比dify、coze、streamlit、chainlit

2024-04-26

本地部署大模型？看这篇就够了，Ollama 部署和实战

2024-08-13

Cursor 一个真正让程序员产生危机感的 AI 编程工具

2024-08-21

【深度】AI搜索产品深度分析-搜索原理和商业模式分析

2024-07-09

50+个AI大模型在不同领域的应用案例

2024-08-04

“大数据+”医疗

2024-04-11

16个具有“联网搜索”功能的AI：总有一个适合你！

2024-06-13

Claude中国官网正式上线！1:1还原官网，非套壳，国内直连

2024-07-18

一文读懂大模型推理必备技术：KV Cache

2024-07-01

大家都在问

如何从头建立一个通用AI智能体应用？

2024-12-22

o3比o1强在哪里？

2024-12-21

OpenAI 铺垫了12天发布的 o3 到底咋样？

2024-12-21

Gemini 2.0重磅来袭！AI实力再进化，你准备好了吗？

2024-12-21

谁能握住AI这把烫手的屠龙刀？

2024-12-16

从大数据到大模型：如何做到“心无桎梏，身无藩篱”？

2024-12-06

为什么 AI 需要一次 Web 2.0 式的革命？

2024-12-03

为什么说大模型无法取代AI Agent ？

2024-12-01

开箱即用的企业大模型应用平台

工作+AI

业务+AI

AIx业务

大模型咨询

大模型定制

相关资讯

160+中大型企业正在使用53AI

百度智能云邀53AI：共创AI新纪元，启航智能新时代

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

热点资讯

一文带你了解大模型——智能体（Agent）

全面对比dify、coze、streamlit、chainlit

本地部署大模型？看这篇就够了，Ollama 部署和实战

Cursor 一个真正让程序员产生危机感的 AI 编程工具

【深度】AI搜索产品深度分析-搜索原理和商业模式分析

50+个AI大模型在不同领域的应用案例

“大数据+”医疗

16个具有“联网搜索”功能的AI：总有一个适合你！

Claude中国官网正式上线！1:1还原官网，非套壳，国内直连

一文读懂大模型推理必备技术：KV Cache

大家都在问

如何从头建立一个通用AI智能体应用？

o3比o1强在哪里？

OpenAI 铺垫了12天发布的 o3 到底咋样？

Gemini 2.0重磅来袭！AI实力再进化，你准备好了吗？

谁能握住AI这把烫手的屠龙刀？

从大数据到大模型：如何做到“心无桎梏，身无藩篱”？

为什么 AI 需要一次 Web 2.0 式的革命？

为什么说大模型无法取代AI Agent ？

热门标签