vosviewer的document计算逻辑
vosviewer中文使用手册
vosviewer中文使用手册【原创版】目录1.vosviewer 简介2.安装与配置 vosviewer3.使用 vosviewer 进行可视化分析4.vosviewer 的功能与特点5.vosviewer 的适用场景6.结论正文vosviewer 是一款开源的网络可视化分析工具，可以帮助用户对网络数据进行可视化分析。
在使用 vosviewer 之前，我们需要先了解它的基本信息。
vosviewer 的简介：vosviewer 是一款基于 Web 的网络可视化分析平台，它可以帮助用户对网络数据进行分析，支持多种数据格式，包括 CSV、XLS、JSON 等。
vosviewer 提供了丰富的可视化图表类型，包括节点连接图、力导向图、矩阵图等，可以满足用户不同的分析需求。
安装与配置 vosviewer：在使用 vosviewer 之前，我们需要先安装它。
vosviewer 的安装过程比较简单，只需要按照官方文档的指引进行即可。
安装完成后，我们需要对 vosviewer 进行配置，包括数据源、图表类型等。
使用 vosviewer 进行可视化分析：vosviewer 提供了丰富的可视化图表类型，可以帮助用户从不同角度对网络数据进行分析。
例如，我们可以使用节点连接图来分析网络的拓扑结构，使用力导向图来分析网络中的中心节点等。
vosviewer 的功能与特点：vosviewer 的功能主要包括数据导入、数据处理、数据可视化等。
它的特点主要包括开源免费、支持多种数据格式、可视化图表类型丰富等。
vosviewer 的适用场景：vosviewer 适用于各种网络数据的分析，例如社交网络、生物网络、技术网络等。
结论：vosviewer 是一款功能强大的网络可视化分析工具，可以帮助用户对网络数据进行可视化分析。
vosviewer 用法
使用VOSViewer可以按照以下步骤进行操作：1. 打开VOSViewer软件，可以看到整个用户界面分成了五个面板。
第一个面板是主面板，显示了地图的可视化。
主面板部分有三种可视化方法，分别是网络可视化、叠加可视和密度可视化。
其中网络可视化和叠加可视化类似，唯一的区别就是项目的颜色。
网络可视化中项目的颜色取决于项目所属的集群，而叠加可视化中项目的颜色由项目的分数决定。
可视化中节点与节点之间连边的长度可以近似的看做两种期刊在共同引用链接的相关性。
项目密度可视化中的每个点都有一个颜色，指示该点处项目的密度。
默认情况下，颜色范围从蓝色到绿色再到黄色。
一个点附近的项目数量越多，相邻项目的权重越高，该点的颜色越接近黄色。
反之，一个点附近的项目数量越少，相邻项目的权重越低，该点的颜色越接近蓝色。
项目密度可视化在论文方向提供了清晰的方向。
2. 在快速上手部分，可以导出需要的参考文献，从web of science数据库中选择需要的文献信息，这个数据库可能需要校园网络才能使用。
注意这些导出选项和导出的文件格式。
3. 在使用详解部分，可以了解各个面板的用途。
第一个面板是当前的可视化面板，可以放大缩小整个知识图谱。
第二个面板是选项面板，可以再这个面板中调整可视化面板中的信息。
第四个面板是概述信息，一个宏观的缩略图。
第五个面板是操作面板，可以增删改查新的图，截取图谱，或者更新图。
以上是VOSViewer软件的使用步骤和操作指南，希望能帮助你更好地使用这个工具进行数据分析工作。
如有更多疑问建议咨询计算机领域专业人士或直接阅读VOSViewer官方网站上的教程。
国内外公共数字文化研究现状与展望
国内外公共数字文化研究现状与展望*刘佳静，孙红蕾，张 婷，郑建明*本文系江苏省社会科学基金项目“公共数字文化服务用户体验研究”（项目编号：22TQC002）和江苏高校哲学社科研究重大项目“长三角区域一体化发展中公共文化数据协同治理研究”（项目编号：2022SJZD094）研究成果。
摘 要 公共数字文化发展至今已有30余年，在满足人民群众精神文化需求方面发挥了重要作用。
文章厘清了公共数字文化的概念；借助文献可视化工具VOSviewer 梳理国内外公共数字文化相关研究文献，通过聚类提炼该领域的三大研究主题：公共数字文化资源开发、公共数字文化服务平台建设以及公共数字文化服务利用，并对相关主题文献进行内容分析。
文章对公共数字文化的未来研究方向提出展望：开展标准化体系构建和数据关联技术研究；推进数字技术与文旅产业融合创新应用；深化用户反馈机制和供需精准匹配机制；重视数字包容、服务可及性和均等化研究。
关键词 公共数字文化 文化遗产 资源整合 服务平台 服务效能引用本文格式 刘佳静，孙红蕾，张婷，等.国内外公共数字文化研究现状与展望[J].图书馆论坛，2024，44（4）：70-83.Status and Prospects of Public Digital Culture Studies at Home and AbroadLIU Jiajing ，SUN Honglei ，ZHANG Ting & ZHENG JianmingAbstract Public digital culture has been developing for more than 30 years and has played an important role in meeting people ’s intellectual and cultural needs. Firstly ，this paper defines the concept of public digital culture. Secondly ，using the document visualization tool VOSviewer ，this paper reviews the relevant research literature onpublic digital culture at home and abroad. Through cluster analysis ，three research themes in this area are refined ，including the development of public digital cultural resources ，the construction of public digital cultural service platforms ，and the use of public digital cultural services. It then analyzes the content of the related literature. Finally ，this paper suggests prospects for the future research directions of public digital culture ，including conducting research on the construction of standardization system and data association technology ；promoting the integration and innovative application of digital technology and cultural tourism industry ；deepening the user feedback mechanism and the precise matching mechanism between supply and demand ；emphasizing the research on digital inclusion ，service accessibility ，and service equalization.Keywords public digital culture ；cultural heritage ；resource integration ；service platform ；service efficiency0 导言文化是一个国家的灵魂。
基于VOSviewer的图情领域信息行为研究现状分析
第２期２０２４年１月江苏科技信息ＪｉａｎｇｓｕＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＩｎｆｏｒｍａｔｉｏｎＮｏ ２Ｊａｎｕａｒｙꎬ２０２４作者简介:魏武佳(１９９７ )ꎬ女ꎬ硕士研究生ꎻ研究方向:智能信息处理ꎮ基于ＶＯＳｖｉｅｗｅｒ的图情领域信息行为研究现状分析魏武佳(辽宁师范大学管理学院ꎬ辽宁大连１１６０８１)摘要:有关信息行为的研究一直是图书情报领域的研究热点ꎬ为了更好地了解图情领域近５年对信息行为的研究ꎬ文章从中国知网ＣＮＫＩ收集了３１６篇文献ꎬ使用ＶＯＳｖｉｅｗｅｒ１ ６ １８可视化对时间㊁机构㊁关键词㊁作者几个方面分析阐述ꎬ旨在更深层次理解图情领域信息行为研究现状ꎮ关键词:信息行为ꎻＶＯＳｖｉｅｗｅｒꎻ文献计量中图分类号:Ｇ３５０㊀㊀文献标志码:Ａ０㊀引言㊀㊀岳剑波[１]在«信息管理基础»一书中提到ꎬ信息行为是人们满足其信息需求的活动ꎮ信息行为研究是图情领域的重要分支ꎬ国内外基于信息行为的研究取得了很多重要成果ꎮ信息行为的主体是人ꎬ研究信息行为是为了使信息更好地服务于人类ꎮ目前ꎬ有关信息行为的研究工作已在图书情报㊁心理学㊁社会学㊁信息技术㊁医疗卫生㊁传播学等诸多领域开展ꎬ取得了丰硕的研究成果[２]ꎮ近年来ꎬ我国图情领域关于信息行为的研究主要有以下几方面:信息行为基础理论研究㊁不同类型用户的信息行为研究㊁不同信息机构提供的信息服务研究㊁信息行为的影响因素研究等[３]ꎮ随着互联网的普及和民众对医疗健康知识的关注ꎬ近期也出现了一些新的研究方向ꎬ如健康信息行为研究㊁社交软件用户信息行为研究等[４]ꎮ用户信息行为的研究方法主要表现为定性分析和定量分析相结合的研究方法ꎮ定量分析通过对具体数据的测定研究分析问题ꎬ使研究结果更精确㊁更直观㊁更有说服力[５]ꎮ因此ꎬ本文从文献计量的角度对信息行为研究的发展现状进行分析ꎬ以供后续该领域相关研究的借鉴和参考ꎮ本文使用ＶＯＳｖｉｅｗｅｒ１ ６ １８进行数据分析和可视化ꎬ该软件是根据文献的共被引和耦合原理绘制科学知识图谱的科学知识可视化分析工具ꎬ以展现不同知识领域的结构㊁演进㊁合作等关系[６]ꎮ１㊀数据来源㊀㊀本文以中国知网ＣＮＫＩ期刊全文数据库为数据源ꎬ以 信息行为 为主题ꎬ出版年度选择为２０１８２０２２年ꎬ筛选来源类别为北大核心和ＣＳＳＣＩꎬ学科为图书情报与数字图书馆ꎬ检索共得到３１６篇文献ꎮ经过筛选ꎬ去除３篇无效期刊导言㊁选题指南ꎬ共３１３篇有效文献ꎮ每篇有效文献都包含期刊来源㊁出版年份㊁标题㊁摘要㊁关键词㊁作者㊁国家㊁学科类别及其参考文献等信息ꎮ选择ＥｎｄＮｏｔｅ格式导出所选文献数据ꎬ以便于导入ＶＯＳｖｉｅｗｅｒ软件进行后续分析ꎮ２㊀结果分析２ １㊀时间分布㊀㊀对文献年度分布的分析可以在一定程度上反映该学科的研究发展速度及其研究水平规模[７]ꎮ根据在ＣＮＫＩ上的检索结果进行数据统计并以此绘制的２０１８ ２０２２年发文数量折线图(见图１)ꎮ从图１中可以看出ꎬ在近５年的发文量中２０１９年发文量迅速下降ꎬ但２０２０年发文量上升ꎬ２０２１年虽然下降ꎬ但幅度较小ꎮ虽然近５年的发文量总体呈现下降趋势ꎬ但趋势比较平缓ꎮ图１㊀２０１８ ２０２２年图情领域信息行为发文数量２ ２㊀期刊来源分析㊀㊀选取刊载该领域文献数量前１０的期刊名称详细观察ꎬ如表２所示ꎮ在表２中ꎬ«图书情报工作»中刊载相关文章的数量最多ꎬ为３４篇ꎬ占比１０ ８６％ꎻ排名第二的是«情报理论与实践»３３篇ꎬ占比１０ ５４％ꎻ排名第三的是«情报科学»３０篇ꎬ占比９ ５８％ꎮ表１㊀发文量排名前１０的期刊排名期刊名称发文量/篇所占百分比/％１«图书情报工作»３４１０ ８６２«情报理论与实践»３３１０ ５４３«情报科学»３０９ ５８４«图书情报知识»２９９ ２７５«现代情报»２４７ ６７６«情报资料工作»２０６ ３９７«图书馆论坛»１９６ ０７８«情报学报»１５４ ７９９«图书馆学研究»１３４ １５１０«图书馆»１２３ ８３２ ３㊀关键词共现分析㊀㊀关键词是文章的核心ꎬ是对文章内容的高度总结和概括[８]ꎮ研究某一学科论文关键词出现的频次和分布规律ꎬ能够显示出该学科的学术研究内容以及研究重点和热点ꎮ具体表现为ꎬ当同一篇文章中出现了两个可以表示某一学科领域研究的关键词时ꎬ则这两个词之间存在着某种联系ꎬ且出现的次数越多ꎬ表明它们之间的关系越密切ꎮ所选中的文献中一共有８９９个关键词ꎬ选择关键词最少出现次数为５ꎬ最后一共有３５个关键词ꎬ列出共现次数排名前２０的关键词ꎬ如表２所示ꎮ除关键词信息行为外ꎬ影响因素㊁用户㊁信息偶遇㊁扎根理论这些关键词的共现次数较多ꎮ用户信息行为和信息搜寻行为虽然是高频词ꎬ但共现次数却不是很多ꎮ表２㊀关键词共现次数排名单位:次排名关键词出现频次共现次数１信息行为９５７６２影响因素２４３３３用户１０１３４信息偶遇１１１２５扎根理论８１２６信息茧房５１１７健康信息６１１８健康信息行为９１１９图书馆１０１１１０大学生１０１０１１信息搜寻行为１１９１２信息行为模型５９１３研究热点１２９１４科研人员５９１５信息素养８８１６用户信息行为１６８１７社交媒体５８１８社交网络７８１９信息分享行为５７２０信息搜索行为５７㊀㊀ＶＯＳｖｉｅｗｅｒ将关键词共现网络图聚为６类ꎬ分别为:第一类ꎬ信息分享行为㊁信息搜寻行为㊁信息搜索行为㊁信息茧房㊁信息获取㊁健康信息㊁健康信息行为㊁活动理论㊁研究进展㊁突发公共卫生事件㊁老年人ꎻ第二类ꎬ信息服务㊁信息行为㊁情报学㊁数字图书馆㊁知识图谱㊁研究热点㊁会议综述ꎻ第三类ꎬ数据驱动㊁用户㊁用户画像㊁社交网络㊁移动图书馆ꎻ第四类ꎬ信息偶遇㊁影响因素㊁扎根理论㊁研究人员ꎻ第五类ꎬ信息素养㊁信息行为模型㊁大学生㊁用户行为ꎻ第六类:图书馆㊁用户信息行为㊁社交媒体ꎮ对照表２ꎬ可以发现除了检索词信息行为外ꎬ每一类的共现次数差距很大但每一组的共现次数差距很小ꎬ没有突出的研究热点ꎬ有关信息行为的各方向研究比较平均ꎮ对于信息行为的研究主要有６方面:(１)对信息行为的研究大多集中在信息搜索㊁信息搜寻㊁信息获取㊁信息共享及信息采纳的研究ꎮ随着人们生活水平的提高ꎬ大众对有关医疗健康的信息关注逐渐增多ꎬ因此对健康信息行为的研究增多ꎮ(２)发表的文章类型更有可能是会议综述或是对研究热点的分析ꎮ(３)研究者研究移动图书馆用户画像ꎮ(４)在寻找用户信息行为的影响因素时ꎬ有可能使用扎根理论作为研究基础和研究方法ꎮ(５)研究者研究的信息用户更多的是大学生用户ꎬ同时关注其信息素养的研究ꎮ(６)研究者研究社交媒体用户的信息行为ꎮ２ ４㊀作者机构分析㊀㊀对发文机构进行统计分析ꎬ可以得到某一领域的主要研究机构ꎮ表３是发文量位于前１０位的作者机构列表ꎬ可以看到所有机构中发文量较多的作者单位均为高校ꎮ发文量最多机构是南京大学ꎬ共３５篇ꎬ约占１１ １８％ꎻ其次是武汉大学和吉林大学ꎬ发文量均为３３篇ꎬ占比均１０ ５４％ꎮ表３㊀发文量前１０位的作者机构排名机构发文量/篇所占百分比/％１南京大学３５１１ １８２武汉大学３３１０ ５４３吉林大学３３１０ ５４４中山大学２１６ ７１５南开大学１８５ ７５６南京理工大学１６５ １１７华中师范大学１５４ ７９８北京大学１１３ ５１９西南大学１０３ １９１０中国人民大学９２ ８８２ ５㊀作者发文量分析㊀㊀研究某一领域内的高产作者的数量可以根据普赖斯提出的计算公式得出ꎬ普赖斯定律的公式为:Ｍ＝０ ７４９(Ｎｍａｘ)１/２ꎬ其中ꎬＭ为论文篇数ꎬＮｍａｘ为发文量最高的作者所发表的论文数量ꎮ由此计算高产作者发文量ꎬ在所有结果中发表的信息行为相关研究论文发表最多的是１５篇论文ꎬ代入公式Ｍʈ３ꎬ发文量为３篇的即为高产作者ꎮ由于作者很多ꎬ本文只总结前１０位ꎬ最终结果如表４所示ꎮ从表４中可以看出ꎬ南京理工大学的赵宇翔发文量最多为１５篇ꎬ其次是南京大学的朱庆华１１篇ꎬ吉林大学的王昕巍１０篇ꎮ高产作者数量庞大ꎬ可以认为存在明显的高产作者群ꎮ表４㊀信息行为研究的高产作者列表单位:篇排名作者机构发文量１赵宇翔南京理工大学１５２朱庆华南京大学１１３王昕巍吉林大学１０４邓胜利武汉大学７５李晶中山大学７６王福内蒙古工业大学７７李月琳南开大学６８袁勤俭南京大学５９谢阳群合肥师范学院５１０王文韬安徽大学５２ ６㊀作者共现分析㊀㊀根据普赖斯定律得出发文量为３篇的作者即为高产作者ꎬ所以本节在ＶＯＳｖｉｅｗｅｒ中选择最小发文量为３篇的作者分析共现关系ꎬ有１６位作者存在共现关系ꎮＶＯＳｖｉｅｗｅｒ将作者聚为４类ꎬ第一类:刘畅㊁吴丹㊁姜婷婷㊁张璐㊁张鹏翼㊁黄崑ꎮ第二类:朱庆华㊁宋士杰㊁薛翔㊁杨梦晴㊁赵宇翔ꎮ第三类:张建伟㊁李月琳㊁章小童ꎮ第四类:胡蓉㊁韩毅ꎮ这说明高产作者之间也是存在联系ꎮ对比作者发文量发现ꎬ赵宇翔和朱庆华是发文量最高的两位作者ꎬ在作者共现网络图中两者的共现关系比较明显ꎮ通过比较作者机构可以发现ꎬ同一机构的作者合作更为密切ꎬ如第四类中的两位作者机构均为西南大学ꎮ也存在跨机构研究ꎬ如赵宇翔和朱庆华是发文量最高的两位作者ꎬ从表４中发现两位作者并非同一机构ꎬ说明高产作者也存在跨机构合作现象ꎮ３ 结论㊀㊀本文运用文献计量学方法ꎬ以中国知网ＣＮＫＩ的期刊全文数据库为数据源ꎬ运用ＶＯＳｖｉｅｗｅｒ对文献可视化ꎬ以此对我国图情领域２０１８ ２０２２年信息行为的研究现状㊁趋势等进行分析和客观描述ꎮ研究发现和结论如下:(１)目前ꎬ我国图情领域关于信息行为的研究总体热度平稳但还是略有下降ꎮ虽在２０２０年有所缓和ꎬ但总体趋势没有太大变化ꎮ(２)研究机构基本是高校且机构内合作与机构外合作同时出现ꎮ说明研究不局限在某个机构而是有明显的合作ꎬ各机构有强烈的知识交流需求ꎮ(３)通过对作者的分析发现ꎬ计算该领域的高产作者发文量应该是３篇ꎬ但高产作者数非常多难以一一列出ꎬ这说明有明显的高产作者群ꎬ可以看出该领域的研究还是当前的热点ꎮ研究者依然对该领域存在兴趣ꎮ(４)在关键词分析中发现ꎬ信息行为㊁影响因素㊁用户㊁信息偶遇ꎬ扎根理论这些关键词所代表的研究课题便是这一领域的研究热点ꎬ相关学者对信息行为进行了比较深入的研究ꎮ对信息行为的研究对象在图书馆业可能集中在高校ꎮ信息用户可能为大学生且更注重对信息素养方面的研究ꎮ此外ꎬ随着人们健康意识的增加ꎬ对健康信息行为的研究有所提升ꎮ通过关键词共现分析ꎬ可以给未来想要研究该领域的学者ꎬ在选题和确定研究方法时获得启示ꎮ参考文献[１]岳剑波.信息管理基础[Ｍ].北京:清华大学出版社ꎬ１９９９.[２]李欣颖ꎬ徐恺英.我国信息行为研究动态及发展趋势研究[Ｊ].情报科学ꎬ２０２２(６):１８５－１９３.[３]王知津ꎬ吴东颖.我国信息行为研究现状与趋势分析[Ｊ].情报资料工作ꎬ２０１８(６):４３－５１.[４]姚海燕ꎬ邓小昭.网络用户信息行为研究概述[Ｊ].情报探索ꎬ２０１０(２):１４－１６.[５]赵鹏.国内外信息行为对比研究[Ｊ].情报科学ꎬ２０１５(５):８－１４ꎬ３６.[６]李杰ꎬ魏瑞斌.ＶＯＳｖｉｅｗｅｒ应用现状及其知识基础研究[Ｊ].农业图书情报学报ꎬ２０２２(６):６１－７１. [７]邱均平.信息计量学[Ｍ].武汉:武汉大学出版社ꎬ２００７.[８]冉华ꎬ戴骋.社交媒体研究的知识结构与前沿的可视化分析[Ｊ].北京理工大学学报(社会科学版)ꎬ２０１９(４):１７１－１８０.(编辑㊀姚鑫)ＡｎａｌｙｓｉｓｏｆｔｈｅｃｕｒｒｅｎｔｒｅｓｅａｒｃｈｓｔａｔｕｓｏｆｉｎｆｏｒｍａｔｉｏｎｂｅｈａｖｉｏｒｉｎｔｈｅｆｉｅｌｄｏｆｌｉｂｒａｒｙａｎｄｉｎｆｏｒｍａｔｉｏｎｓｃｉｅｎｃｅｂａｓｅｄｏｎＶＯＳｖｉｅｗｅｒＷｅｉＷｕｊｉａＳｃｈｏｏｌｏｆＭａｎａｇｅｍｅｎｔ ＬｉａｏｎｉｎｇＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ Ｄａｌｉａｎ１１６０８１ ＣｈｉｎａＡｂｓｔｒａｃｔ Ｒｅｓｅａｒｃｈｏｎｉｎｆｏｒｍａｔｉｏｎｂｅｈａｖｉｏｒｈａｓｂｅｅｎａｒｅｓｅａｒｃｈｈｏｔｓｐｏｔｉｎｔｈｅｆｉｅｌｄｏｆｌｉｂｒａｒｙｉｎｔｅｌｌｉｇｅｎｃｅ ｉｎｏｒｄｅｒｔｏｂｅｔｔｅｒｕｎｄｅｒｓｔａｎｄｔｈｅｒｅｓｅａｒｃｈｏｎｉｎｆｏｒｍａｔｉｏｎｂｅｈａｖｉｏｒｉｎｔｈｅｆｉｅｌｄｏｆｇｒａｐｈｉｃａｌｉｎｔｅｌｌｉｇｅｎｃｅｉｎｔｈｅｐａｓｔｆｉｖｅｙｅａｒｓ ｔｈｉｓｐａｐｅｒｃｏｌｌｅｃｔｓ３１６ｄｏｃｕｍｅｎｔｓｆｒｏｍＣＮＫＩｏｆＣｈｉｎａＫｎｏｗｌｅｄｇｅＮｅｔｗｏｒｋ ａｎｄａｎａｌｙｚｅｓａｎｄｅｌａｂｏｒａｔｅｓｏｎｓｅｖｅｒａｌａｓｐｅｃｔｓｏｆｔｉｍｅ ｉｎｓｔｉｔｕｔｉｏｎ ｋｅｙｗｏｒｄｓ ａｎｄａｕｔｈｏｒｓｂｙｕｓｉｎｇｔｈｅｖｉｓｕａｌｉｚａｔｉｏｎｏｆＶＯＳｖｉｅｗｅｒ１ ６ １８ ｗｈｉｃｈｉｓａｉｍｅｄａｔｕｎｄｅｒｓｔａｎｄｉｎｇｔｈｅｃｕｒｒｅｎｔｓｉｔｕａｔｉｏｎｏｆｒｅｓｅａｒｃｈｏｎｉｎｆｏｒｍａｔｉｏｎｂｅｈａｖｉｏｒｉｎｔｈｅｆｉｅｌｄｏｆｌｉｂｒａｒｙａｎｄｉｎｆｏｒｍａｔｉｏｎｓｃｉｅｎｃｅａｔａｄｅｅｐｅｒｌｅｖｅｌ.Ｋｅｙｗｏｒｄｓ ｉｎｆｏｒｍａｔｉｏｎｂｅｈａｖｉｏｒ ＶＯＳｖｉｅｗｅｒ ｂｉｂｌｉｏｍｅｔｒｉｃｓ。
Manual_VOSviewer_1.6.3
Nees Jan van Eck and Ludo Waltman 21 October 2015
Manual for VOSviewer version 1.6.3
Table of contents
1 2 Introduction ........................................................................................... 2 User interface ........................................................................................ 3 2.1 2.2 2.3 2.4 2.5 Main panel ...................................................................................... 4 Options panel .................................................................................. 8 Information panel .......................................................................... 11 Overview panel .............................................................................. 12 Action panel .................................................................................. 12 Action tab .............................................................................. 12 Items tab ............................................................................... 15 Map tab ................................................................................. 16
vosviewer中文使用手册
vosviewer中文使用手册摘要：1.VC6 Hook 简介2.VC6 Hook 传递参数的方法3.VC6 Hook 的应用实例4.总结正文：【VC6 Hook 简介】VC6 Hook 是一种在Windows 操作系统中使用的编程技术，它可以在目标程序运行过程中，拦截和修改程序的函数调用。
这种技术可以让程序员在不修改原始代码的情况下，对程序进行功能扩展或者修复漏洞。
VC6 Hook 通常用于病毒木马开发、游戏外挂制作、软件破解等领域。
【VC6 Hook 传递参数的方法】VC6 Hook 通过修改目标程序的导入表（Import Table）来实现函数调用的拦截和修改。
具体来说，首先需要找到目标函数在导入表中的地址，然后用自己的函数体替换目标函数体。
在这个过程中，VC6 Hook 需要传递一些参数给新的函数体，以保证函数能够正常运行。
这些参数主要包括：1.目标函数的原始地址：这个地址是VC6 Hook 用来恢复原始函数调用的关键。
在拦截目标函数时，VC6 Hook 会将这个地址保存下来，以便在需要时恢复原始函数的调用。
2.目标函数的参数：在拦截目标函数时，VC6 Hook 需要将目标函数的参数传递给自己的函数体。
这些参数可以用来修改目标函数的行为，或者传递给其他函数进行进一步处理。
3.VC6 Hook 函数的返回值：当VC6 Hook 函数执行完毕后，它需要将返回值传递给目标函数调用者。
这个返回值可以是原始函数的返回值，也可以是VC6 Hook 函数处理后的结果。
【VC6 Hook 的应用实例】以一个简单的例子来说明VC6 Hook 的传递参数过程。
假设我们有一个目标函数`func`，它接受一个整数参数`a`，并返回`a`的平方。
我们可以使用VC6 Hook 技术来实现对这个函数的修改，让它返回`a`的立方。
首先，我们需要编写一个VC6 Hook 函数体，用于计算`a`的立方。
然后，在拦截目标函数时，将`a`的值传递给VC6 Hook 函数体，并将返回值传递给目标函数调用者。
如何通过作图发文章——VOSviewer第三期
如何通过作图发⽂章——VOSviewer第三期⼀、VOSviewer能做出什么图谱呢包括作者，机构，国家合作图谱，期刊，⽂献共被引图谱，关键词共现图谱等等⼆、如何来做图呢？每⼀步都是什么意思啊？1.直接读⼊web of science 的数据，然后⼀直点Next2.直接输⼊数据3.选择作者合作图谱：Co-authorship，Authors，就是表⽰不同的作者出现在同⼀篇⽂章中4.点击Next，这⾥进⾏选择阈值，⼀般可以不动，如果你觉得图谱不美观，可以进⾏调节。
Minimum number of documents of an author：就是指作者⽂档的最少的数量Minimum number of citations of an author：就是指作者引⽂的最少的数量通过筛选，可以发现所有⽂献中⼀共有15716位作者，其中满⾜设定的阈值有167位5.如果你觉得作者数⽬太少，可以将阈值向下调节，满⾜的作者就很多了6.按照上⾯第4步默认的条件继续。
这⾥就是告诉你，所有的作者是否需要改动。
7.接下来，软件会把数据整理出来8.点击Finish，Yes，出图9.⼀张简单的图就出来了三、还有其他类型的图吗？1.VOSviewer提供了三种图，即⽹络可视化，叠加可视化，密度可视化2.直接点击Overlay Visualization，会发现右下⾓出现⼀个年份，有对应的颜⾊，那么图中的颜⾊也更换了。
3.直接点击Density Visualization，会发现图中变成了密度图，且数量越多，颜⾊越亮四、⽹络图中的节点、连线、和颜⾊代表什么？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作者进⾏了归类，点开Item就能发现每⼀个Cluster的具体的作者直接点击Save，进⾏保存即可1.直接点击截图后⾯的下拉箭头，选择save2.这⾥提供多种类型的图⽚3.如果你只是暂时性的使⽤，可以点击直接粘贴到剪切板4.更多选项中，可以选择放⼤缩⼩多少倍，是否包括边界，是否需要透明背景怎么样，是不是特别想去试试，赶紧来吧！。
vosviewer中文使用手册
vosviewer中文使用手册
（原创实用版）
目录
1.vosviewer 简介
2.安装与配置
3.基本操作与功能
4.常见问题与解决方案
5.总结
正文
【1.vosviewer 简介】
vosviewer 是一款开源免费的数据可视化工具，它可以帮助用户将数据以可视化的方式展示出来，便于用户更直观地理解和分析数据。
vosviewer 支持多种数据格式，如 csv、txt、json 等，用户可以根据自己的需求选择合适的数据文件进行可视化。
【2.安装与配置】
在使用 vosviewer 之前，首先需要进行安装。
vosviewer 的安装过
程相对简单，只需下载官方提供的安装包，然后按照提示进行安装即可。
安装完成后，用户需要根据自己的数据文件格式，选择合适的可视化模板。
vosviewer 提供了多种模板供用户选择，用户可以根据自己的需求进行选择。
【3.基本操作与功能】
vosviewer 的基本操作较为简单，用户可以通过鼠标进行拖拽和点击，实现对数据的操作和可视化。
vosviewer 还提供了一些高级功能，如数据过滤、数据排序、数据分组等，用户可以通过这些功能，更深入地对数据进行分析。
【4.常见问题与解决方案】
在使用 vosviewer 的过程中，可能会遇到一些问题，如数据无法加载、图表无法显示等。
对于这些问题，用户可以通过查看 vosviewer 的官方文档，或者在社区寻求帮助，找到解决方案。
【5.总结】
总的来说，vosviewer 是一款实用的数据可视化工具，它不仅免费开源，而且功能强大，可以帮助用户轻松地将数据以可视化的方式展示出来。
科学知识图谱绘制工具VOSviewer与Citespace的比较研究
科学知识图谱绘制工具VOSviewer与Citespace的比较研究科学知识图谱绘制工具VOSviewer与Citespace的比较研究科学知识图谱是科学研究领域中一个非常重要的工具，可以帮助人们理清科学研究的关系和趋势。
在科学知识图谱的构建过程中，图谱绘制工具起到了至关重要的作用。
VOSviewer和Citespace是两种常用的科学知识图谱绘制工具。
本文将对这两种工具进行比较研究，分析它们的特点、功能以及适用场景，以帮助科研人员选择适合自己需求的工具。
首先，我们来看VOSviewer。
VOSviewer是一款免费的科学可视化软件，主要用于绘制科学文献的共词网络图谱。
它具有简单易用、功能丰富的特点，可以将大量的文献数据转化为直观清晰的图谱，帮助用户发现文献之间的关系。
VOSviewer支持多种图谱绘制方式，包括共现网络图谱、社交网络图谱、地理网络图谱等，具有很高的灵活性。
此外，VOSviewer还支持根据不同属性对文献进行聚类，并可以通过颜色、大小等方式展示不同的聚类结果，方便用户进一步分析研究领域的重要热点和前沿趋势。
与之相比，Citespace是一款功能强大的科学文献可视化工具，主要用于分析科学文献在研究领域的发展和演化。
Citespace可以将科学文献数据转化为时间和空间上的可视化图形，以展示科学研究的变化趋势和关键节点。
Citespace支持多种图谱绘制方式，如概念地图、共现地图、引用网络图等，可以展示不同视角下的科研状况。
Citespace还具有强大的网络分析功能，可以计算文献之间的关联度、中心度等指标，并通过不同颜色、线条粗细等方式展示这些指标的差异，帮助用户识别研究重点和前沿领域。
在使用VOSviewer和Citespace进行科学知识图谱绘制时，需要考虑到不同的应用场景。
如果用户主要关注文献之间的共词关系、研究领域的聚类和演化情况，VOSviewer是一个不错的选择。
它使用简单，功能丰富，适合日常科学研究中的图谱可视化需要。
vosviewer使用手册
vosviewer使用手册VOSviewer是一款可视化科学计量学和基于大数据的文献分析工具，可以用于建立科学文献的知识图谱、研究热点和趋势等。
本文将介绍VOSviewer的使用方法，包括数据导入、网络构建、数据分析和结果展示。
一、数据导入VOSviewer支持导入多种文件格式，包括EndNote、BibTeX和XML等，同时也支持导入Web of Science和Scopus等数据库的搜索结果。
下面以导入Web of Science数据库搜索结果为例介绍如何导入数据：1.在Web of Science数据库中进行搜索，并将结果导出为“导出到其他引文管理软件”格式，保存为“xxx.txt”文件。
2.在VOSviewer中选择“File”→“Open”菜单，在弹出的文件选择窗口中选择保存的“xxx.txt”文件。
3.在弹出的数据导入窗口中选择“Web of Science”作为数据来源，并选择输入文件编码格式，一般选用默认的“UTF-8”编码格式。
4.在数据导入窗口中设置字段映射，将Web of Science数据库中的各个字段映射到VOSviewer中的相应字段，例如将“Author”映射到“Author”字段、将“Title”映射到“Title”字段等。
5.点击“OK”按钮，VOSviewer会自动导入数据并生成网络图谱。
二、网络构建导入数据后，可以构建网络图谱来展示文献之间的关系。
VOSviewer支持多种网络构建方法，包括合作网络、共现网络和引用网络等，下面以合作网络为例介绍如何构建网络：1.在VOSviewer的主界面中选择“Analysis”→“Create map”菜单。
2.在弹出的参数设置窗口中选择合作网络构建方法，并设置合作网络阈值，一般将阈值设置为2或3。
3.设置分析变量，例如设置每篇文章的作者列表为分析变量。
三、数据分析构建网络图谱后，可以进行数据分析来研究文献之间的关系、热点和趋势等。
文献计量分析软件VOSviewer的应用研究
析软件 Ｖ Ｏ Ｓ ｖ ｉ ｅ ｗ ｅ ｒ ， 其 最大特点在于它的可视化效 果要优于其他
同类 的分析软件 ， 并且其分析功能也较为全面。
１ ＶＯＳｖ ｉ ｅ ｗｅ ｒ
２ ＶＯ Ｓ ｖ ｉ ｅ ｗ ｅ ｒ 应 用
以Ｖ Ｏ Ｓ ｖ ｉ ｅ ｗ ｅ ｒ 为分析工具 ， 对 ｏ ｉ ｌ ｃ ｒ ｏ ｐ （ 油料 作物 ） 为 主题进
行分析 。在 Ｗｅ ｂ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ 数据库 中， 以“ ｏ ｉ ｌ ｃ ｒ ｏ ｐ ” 为主题词进行 检索 ， 得到 ６ ５ ３ ９条 记录 ； 以年代 范 围 ２ ０ １ ０ － － ２ ０ １ ４年 精炼 得到
３ ２ ２ ５ 条记 录 ； 以年代范 围 ２ ０ １ ４ 年精炼 得到 ７ ３ ５ 条记录 ； 以国家
字段 “ 中国” 精炼得到 ４ ２ ６条记录。 分别都勾选所有字段 ， 并以ｔ ｘ ｔ 格 式输 出相应记录 ， 再将相应文本文件导入 Ｖ Ｏ Ｓ ｖ ｉ ｅ ｗ ｅ ｒ 软件 中进 行 分析 。
２ ． １ 研 究领 域 分 析
算机配置 Ｊ ａ ｖ ａ 环境 ， 并可直接将从 Ｗｅ ｂ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ下载下来 的文
第 １ ２ 期
收稿 日期 ： ２ ０ １ ５ — ０ ４ — ２ ４
文献计量分析软件 Ｖ Ｏ Ｓ ｖ ｉ ｅ ｗ ｅ ｒ 的应 用 研 究
高 凯
（ 中南大学图书馆 ， 湖南长沙 ， ４ １ ０ ０ ８ ３ ）
摘 要： 介绍 了文献计量分析软 件 Ｖ Ｏ Ｓ ｖ ｉ ｅ ｗ ｅ ｒ ， 并 以油料作物 为主题 ， 对Ｖ Ｏ Ｓ ｖ ｉ ｅ ｗ ｅ ｒ 的
（ １ ） 标 签视图 ： 使用一 个圆圈和标 签来代表 一个元 素 ， 圆圈 大小代表重要性 的高低 。拥有相 同颜 色的圆圈属于 同一个聚类 。 为 了避免标签重叠 ， 标签视图一般只显示标签的子集 ， 在软件 中
vosviewer networkplot 绘制原理
vosviewer networkplot 绘制原理全文共四篇示例，供读者参考第一篇示例：VOSviewer是一款用于可视化科学合作网络的免费软件，它能够绘制网络图来展示科学家之间的合作关系。
通过VOSviewer，我们可以清晰地看到研究领域内的合作模式，发现研究方向的发展趋势，为科学研究提供有价值的参考。
VOSviewer的核心功能之一就是绘制网络图，而其中的Network Plot就是绘制网络图的功能之一。
在VOSviewer中，Network Plot 是一个能够展示科学家合作关系的图形化展示，通过这一功能，我们可以直观地了解科学家之间的合作情况，分析研究领域的合作网络结构。
在绘制Network Plot时，VOSviewer首先会收集相关数据，包括合作作者的姓名、发表文章的标题、关键词等。
然后，根据这些数据来构建网络，其中每个节点代表一个合作的科学家或文章，节点之间的连接表示他们之间的合作关系。
通过这种方式，我们可以清晰地看到科学家之间的合作网络，了解研究领域内的关系密切程度。
绘制Network Plot的过程中，VOSviewer还会通过一定的算法来对节点进行布局，使得整个网络图更加美观和易于理解。
根据不同的参数设置，VOSviewer可以实现不同的布局效果，比如力导向布局、圆形布局等。
通过这些布局算法，我们可以更加直观地看到合作关系的紧密程度，判断合作关系的热点和中心节点。
除了对合作网络进行图形化展示外，VOSviewer的Network Plot 功能还支持对网络进行进一步的数据分析和可视化。
通过不同的颜色、形状、大小等方式来标示节点的属性，比如节点的度中心性、团队的规模等。
这样一来，我们可以更加深入地了解合作网络中各个节点的特点和作用，找到重要的节点和子群体，推动合作网络的优化和发展。
VOSviewer还支持通过调整参数来定制Network Plot的展示效果，比如调整节点之间的连接线的粗细、节点的大小、颜色等。
vosviewer中文使用手册
文章题目：掌握VOSviewer：实用的中文使用手册1. 引言在科研工作中，对文献进行综合分析是非常重要的一环。
VOSviewer作为一款强大的文献可视化分析工具，受到了广泛关注和应用。
然而，由于其界面和操作相对复杂，中文用户在使用VOSviewer时可能会遇到一些困难。
作为一名经验丰富的用户，我将为你详细介绍VOSviewer的中文使用手册，帮助你更好地掌握这一工具。
2. VOSviewer概述VOSviewer是一款用于文献可视化分析的软件，它可以帮助用户对科研领域的文献进行网络关系分析、主题分析、合作关系分析等。
通过VOSviewer，用户可以直观地观察文献之间的关系，发现研究热点和趋势，挖掘潜在的研究合作伙伴，为科研工作提供有力的支持。
3. VOSviewer中文界面的基本操作要使用VOSviewer进行文献分析，首先需要了解软件界面的基本操作和功能。
在软件启动后，你会看到中文界面的各个模块，如“文件”、“数据”、“网络”、“项目”等。
通过这些模块，你可以导入文献数据、设置参数、生成可视化图表等。
VOSviewer还提供了丰富的操作指南和帮助文档，方便用户了解各种功能的具体用法。
4. 文献数据的导入和整理在使用VOSviewer进行文献分析之前，你需要准备好相应的文献数据。
一般来说，VOSviewer支持导入多种格式的文献数据，包括TXT、CSV、BibTeX等。
在导入数据后，你可以通过软件内置的数据整理工具对文献信息进行清洗和筛选，保证分析结果的准确性和可靠性。
5. 网络关系图的生成与分析VOSviewer最大的特色之一就是可以生成直观的网络关系图，展示文献之间的联系和相互影响。
在生成关系图时，你可以根据自己的需求调整节点大小、边的粗细、颜色等参数，使得图表更具可读性和美观性。
通过分析网络关系图，你可以快速把握研究领域的结构和发展趋势，为后续的研究工作提供方向和启示。
6. 主题分析与热点挖掘除了网络关系图，VOSviewer还支持对文献进行主题分析和热点挖掘。
一文读懂社会网络分析(SNA)理论、指标与应用
一文读懂社会网络分析(SNA)理论、指标与应用开新坑！社交网络分析（又称复杂网络、社会网络，Social Network Analysis）是诞生于数学图论、计算机科学、物理学的交叉碰撞中的一门有趣的学科。
缘起：我研究SNA已经有近2年的时光，一路坎坷走来有很多收获、踩过一些坑，也在线上给很多学生讲过SNA的入门知识，最近感觉有必要将心得和基础框架分享出来，抛砖引玉，让各位对SNA感兴趣的同学们一起学习进步。
我的能力有限，如果有不足之处大家一起交流，由于我的专业的影响，本文的SNA知识可能会带有情报学色彩。
面向人群：优先人文社科类的无代码学习，Python、R的SNA 包好用是好用，但是对我们这这些社科的同学来说门槛太高，枯燥的代码首先就会让我们丧失学习兴趣。
特征：类综述文章，主要目的是以通俗的语言和精炼的框架带领各位快速对SNA领域建立起一个全面的认知，每个个关键概念会附上链接供感兴趣的同学深入学习。
开胃菜：SNA经典著作分享《网络科学引论》纽曼 (访问密码 : v9d9g3)2 概述篇：什么是网络？我们从哪些角度研究它？1) 认识网络SNA中所说的网络是由节点（node，图论中称顶点vertex）和边（edge）构成，如下图。
每个节点代表一个实体，可以是人、动物、关键词、神经元；连接各节点的边代表一个关系，如朋友关系、敌对关系、合作关系、互斥关系等。
最小的网络是由两个节点与一条边构成的二元组。
Les Miserables人际关系网络2) 构建网络就是建模马克思说过，“人的本质在其现实性上，它是一切社会关系的总和。
” 事实上，当我们想快速了解一个领域，无论该领域是由人、知识、神经元乃至其他实体集合构成，利用SNA的方法将实体及其相互关系进行抽象和网络构建，我们就完成了对某一领域的“建模”，这个模型就是网络图，拿科学网络计量学家陈超美的观点来说，借助网络图，“一图胜千言，一览无余”。
3) 社会网络类型此处展示常见且常用的网络类型名词，想要具体了解可以点击链接仔细查看！•网络中节点的来源集合异同o一模网络 one-modeo二模网络 two-mode•视角：•边权重o加权网络 weight networko无权网络 unweight networko符号网络 Signed network•关系是否有方向o有向网络 Directed networko无向网络 Undirected network4) 网络分析的5大中心问题SNA可以帮助我们快速了解该网络中的分布格局和竞争态势，“孰强孰弱，孰亲孰远，孰新孰老，孰胜孰衰”，这16字箴言是我学习SNA总结的精华所在，初中级甚至高级的社会网络分析学习几乎完全就是围绕着这四个方面开展，后面将要讲到的理论与方法皆为此服务，希望同学们可以重点关注。
科学知识图谱绘制工具VOSviewer与Citespace的比较研究
科学知识图谱绘制工具VOSviewer与Citespace的比较研究一、本文概述随着信息技术的快速发展和大数据时代的到来，科学知识图谱作为一种有效的知识可视化工具，逐渐在科学研究和学术领域得到了广泛的应用。
VOSviewer和Citespace作为两款颇受欢迎的科学知识图谱绘制工具，各自拥有独特的优势和功能，能够帮助研究者更好地理解和分析科学知识的结构和演化过程。
本文旨在通过对VOSviewer和Citespace的比较研究，探讨它们的异同点，以期为科学研究者选择合适的图谱绘制工具提供参考。
本文首先将对VOSviewer和Citespace的基本功能、操作界面、数据导入方式等方面进行详细介绍，以便读者对这两款工具有一个全面的了解。
随后，文章将重点比较它们在科学知识图谱绘制方面的优势和局限性，包括节点和链接的呈现方式、聚类分析的效果、图谱的美观度和易读性等。
本文还将结合具体案例，展示VOSviewer和Citespace在科学知识图谱绘制中的应用实例，以便读者更直观地了解它们的实际操作效果和适用场景。
文章将对VOSviewer和Citespace的未来发展进行展望，探讨它们在科学知识图谱领域的潜在应用价值和改进方向。
通过本文的比较研究，旨在帮助科学研究者根据自身的需求和特点，选择最适合自己的图谱绘制工具，从而提高科学研究的效率和效果。
二、VOSviewer工具介绍VOSviewer是一款开源的、基于Java平台的科学知识图谱绘制工具，由荷兰莱顿大学的Nees Jan van Eck和Ludo Waltman共同开发。
该工具以可视化科学文献中的共被引网络、共词网络和耦合网络为主要目标，帮助研究者从海量的文献数据中挖掘出学科领域的核心结构和发展脉络。
VOSviewer的操作界面直观简洁，用户只需通过简单的导入文献数据、选择分析类型、设定参数等步骤，即可生成丰富的知识图谱。
该工具支持多种文献数据格式，如纯文本、Excel、BibTe等，极大地方便了用户的数据处理。
vosviewer中文使用手册
vosviewer中文使用手册摘要：1.VITS 扩散模型简介2.保存路径的选择3.如何使用VITS 扩散模型4.总结正文：1.VITS 扩散模型简介VITS 扩散模型，全称为"Vision Transformer with Incremental Training and Scale-free Diffusion", 是一种基于Transformer 的计算机视觉模型。
该模型利用了增量学习和无标度扩散的特性，可以在保持高分辨率的同时实现高效的图像生成。
这对于许多计算机视觉任务，如图像分类、图像修复和图像生成等，都具有重要的应用价值。
2.保存路径的选择在训练VITS 扩散模型时，我们需要选择一个合适的保存路径。
这个路径将用于存储模型的中间结果和最终结果。
为了保证模型的有效性和可重复性，我们需要确保这个路径是正确的，并且在训练过程中不会被意外修改。
一般来说，我们可以选择将模型保存在项目的主目录下，然后使用一个子目录来存放模型的相关文件。
这样，既可以保证模型的安全性，又可以方便地进行模型的调试和优化。
3.如何使用VITS 扩散模型使用VITS 扩散模型的过程可以分为以下几个步骤：（1）加载数据集：首先，我们需要加载训练数据集，并将其转换为适合模型输入的格式。
（2）初始化模型：然后，我们需要初始化VITS 扩散模型，并设置相关的训练参数。
（3）训练模型：接下来，我们可以使用增量学习的方法来训练模型。
这种方法可以在保持高分辨率的同时，实现高效的图像生成。
（4）测试模型：训练完成后，我们可以使用测试数据集来测试模型的性能。
（5）保存模型：最后，我们需要将训练好的模型保存到指定的保存路径下，以供后续使用。
4.总结VITS 扩散模型是一种具有广泛应用前景的计算机视觉模型。
如何用VOSviewer分析CNKI关键词共现？
如何用VOSviewer分析CNKI关键词共现？用VOSviewer尝试CNKI中文文献关键词共现（keyword co-occurence）分析时，你可能会踩到一个大坑。
本文帮助你绕开这个坑，或是从坑里爬出来。
（由于微信公众号外部链接的限制，文中的部分链接可能无法正确打开。
如有需要，请点击文末的“阅读原文”按钮，访问可以正常显示外链的版本。
）疑惑在《如何用VOSviewer分析CNKI数据？》一文中，我们提到了如何用VOSviewer可视化分析CNKI文献。
依照文中的步骤，我们从CNKI下载并导出《图书情报知识》期刊2016年全年文献数据，通过Endnote作为中转，最终导出了VOSviewer可以读取的RIS文件。
我把这个几经辗转得来的RIS文件存放到了这里，你可以直接下载使用。
利用该数据文件，我们用VOSviewer分析合作者(Co-authorship)，做出了这张图。
有的读者很兴奋，立即打算用同样的方法，做CNKI中文文献的关键词共现分析(keyword co-occurence)。
很快，他们就遇到了问题。
因为用样例数据，虽然可以做出分析结果图，却是这个样子的：图里面只有关键词，没有任何关键词之间的连接。
这叫什么共现分析？！有读者很沮丧地把这幅图发给了我。
问我这是否意味着，VOSviewer不能胜任中文文献的关键词共现分析？当然不是。
VOSviewer做的是统计和可视化。
对于它来说，中文和英文关键词没有本质区别。
只要来源数据处理得当，分析的结果都应该是正确的。
那么问题究竟出在哪里呢？原因我们用样例数据，重新走一遍流程。
复现读者遇到的困境。
VOSviewer主界面里，我们选择File -> map -> create，新建一个分析图。
第一个对话框问我们映射方式。
我们从中选择第二项。
然后新弹出的对话框会询问分析源文件的格式。
我们选择RIS。
下面的对话框，询问分析类型。
默认是合作者分析（Co-authorship）。
vosviewer聚类原理
vosviewer聚类原理
Vosviewer是一种用于可视化文献聚类的软件，它可以帮助研
究者更好地理解文献之间的关系。
Vosviewer聚类原理是基于
文献之间的相似性，将文献分组，以便更好地理解文献之间的关系。
Vosviewer聚类的基本原理是，首先，将文献分为若干组，每
组文献都有一定的相似性，这些相似性可以通过计算文献之间的相似度来衡量。
其次，根据文献之间的相似度，将文献分组，使得每组文献的相似度尽可能高。
最后，根据文献之间的相似度，将文献分组，使得每组文献的相似度尽可能高。
Vosviewer聚类的具体实现方法是，首先，根据文献之间的相
似度，计算出每组文献的相似度矩阵，即每组文献之间的相似度。
其次，根据相似度矩阵，使用聚类算法，将文献分组，使得每组文献的相似度尽可能高。
最后，根据文献之间的相似度，使用可视化技术，将文献分组，以便更好地理解文献之间的关系。
总之，Vosviewer聚类原理是基于文献之间的相似性，将文献
分组，以便更好地理解文献之间的关系。
具体实现方法是，首先计算文献之间的相似度矩阵，然后使用聚类算法将文献分组，最后使用可视化技术将文献分组，以便更好地理解文献之间的关系。
vosviewer networkplot 绘制原理
vosviewer networkplot 绘制原理
VOSviewer绘制networkplot的原理是：通过“网络数据”（主要是文献知识单元）的关系构建和可视化分析，实现科学知识图谱的绘制，展现知识领域的结构、进化、合作等关系。
其中，文献数据库指从web of science、Scopus等主流数据库中下载文献著录数据，在此基础上提取相应的字段构建共现网络，如合作网络、共词网络、共被引和耦合网络等；通用网络数据指用户可以自建节点、联系数据或者直接导入GML或Pajek等网络数据文件实现共现聚类；文本数据指VOSviewer可以从单行文本中提取主题词，基于主题词在单行中的共现进行聚类，其中文本数据可以来自用户自建文件，也可以来源于相应文献数据库中的标题或摘要字段。
VOSviewer是一款免费的科学知识图谱绘制与分析软件，其突出特点是图形展示能力强，适合大规模数据。
1。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
VOSviewer是一款用于可视化科研数据的工具，能够帮助研究人员进行文献计量分析、知识图谱构建等工作。
在使用VOSviewer时，其中一个重要的功能就是通过计算文献的相关性和影响力来生成文献地图，以便更好地理解和展示研究领域的发展趋势和研究热点。
本文将从VOSviewer的document计算逻辑入手，详细介绍其背后的算法原理和计算方法。
1. 文献关联度计算
在VOSviewer中，文献地图是通过计算文献之间的关联度来生成的。
VOSviewer使用了基于共同引用文献的关联度计算方法，即两篇文献被越多的其他文献所共同引用，它们之间的关联度就越高。
这种计算
方法能够较好地反映出文献之间的关联关系，帮助用户发现不同文献
之间的共同研究主题和热点领域。
2. 文献影响力计算
除了文献之间的关联度计算，VOSviewer还通过计算文献的影响力来绘制文献地图。
文献的影响力是根据其被引次数和被引用频次来计算的，一般来说，被引次数越多和被引用频次越高的文献影响力就越大。
VOSviewer通过将文献按照其影响力大小进行标注和颜色填充，来直观地展示不同文献的影响力大小，帮助用户快速了解研究领域内的重
要文献和研究热点。
3. 文献地图的生成
在计算完文献之间的关联度和影响力之后，VOSviewer通过一定的布局算法来生成文献地图。
在文献地图中，影响力较大的文献会被放置
在地图的核心位置，而与它们关联度较高的文献则会被放置在核心文
献的周围，从而形成一个清晰的文献网络结构。
通过这种方式，研究
人员可以直观地看到研究领域内不同文献之间的关联关系和研究热点，为研究工作提供重要参考。
VOSviewer的document计算逻辑主要包括文献关联度计算、文献影响力计算和文献地图的生成。
通过这些计算方法和算法，VOSviewer
能够帮助研究人员深入理解和展示研究领域的发展趋势和研究热点，
为科研工作提供有力的支持和帮助。
通过不断地改进和优化，VOSviewer将会成为科研人员不可或缺的重要工具，为科研工作提供更多更有力的支持和帮助。
VOSviewer作为一款强大的文献计量分析工具，其document计算逻辑不仅仅局限于文献关联度和影响力的计算，在实际的应用中还有许多值得深入探讨的方面。
下面我们将进一
步探讨VOSviewer的document计算逻辑，包括文献地图的可视化
效果、布局调整和参数设置等方面的内容。
4. 文献地图的可视化效果
VOSviewer能够通过计算文献的关联度和影响力，将文献地图以可视化方式展现出来。
在文献地图中，不同颜色的节点代表不同的文献，
而节点之间的连线则代表文献之间的关联关系。
通过节点的大小和颜
色深浅来展示文献的影响力大小，以及节点之间的布局关系来展示文
献的关联度。
这种直观的可视化效果能够帮助研究人员更加直观地了
解文献之间的关联关系和研究热点，为研究工作提供重要的参考依据。
5. 布局调整
在生成文献地图之后，VOSviewer还提供了一些布局调整的功能，帮助用户更好地呈现文献之间的关联关系。
用户可以通过调整节点之间
的距离、节点的大小和颜色、连线的粗细和透明度等参数来优化文献
地图的可视化效果。
用户还可以根据自己的需求对文献地图进行布局
调整，比如改变节点的位置和排列方式，从而使文献地图更符合用户
的研究需求和展示目的。
6. 参数设置
VOSviewer还提供了丰富的参数设置功能，帮助用户灵活地定义文献地图的生成和展示。
用户可以根据文献数量、关联度和影响力的大小
等因素，自定义文献地图的生成参数，比如设定节点的最小和最大尺寸、连线的最小和最大粗细、节点之间的最小和最大距离等。
这些参
数设置能够帮助用户生成符合自己需求的文献地图，使得研究工作更
加高效和准确。
通过进一步探讨VOSviewer的document计算逻辑，我们可以看到，VOSviewer除了计算文献的关联度和影响力之外，还提供了丰富的可视化展示、布局调整和参数设置功能，能够帮助用户更好地理解和展
示研究领域的发展趋势和研究热点，为科研工作提供有力的支持和帮助。
7. VOSviewer与其他文献计量分析工具的比较
在VOSviewer之外，还存在大量的文献计量分析工具，比如Citespace、HistCite等。
这些工具在文献计量分析领域也有着重要的应用。
与其他文献计量分析工具相比，VOSviewer在文献地图生成、可视化效果、布局调整和参数设置方面有着独特的优势。
相比之下，VOSviewer更加注重可视化效果的直观性和用户友好性，在展示文献关联关系和研究热点方面更具优势。
VOSviewer还提供了丰富的参数设置和布局调整功能，帮助用户更好地呈现研究领域的发展趋势和研
究热点。
综合来看，VOSviewer在文献计量分析领域有着自己独特的优势，为研究人员提供了一种全新的文献分析和可视化工具。
通过对VOSviewer的document计算逻辑的深入了解，我们可以发
现VOSviewer作为一款文献计量分析工具，在文献关联度和影响力计算、文献地图的可视化效果、布局调整和参数设置等方面都有着独特
的优势和特点。
通过不断地改进和优化，VOSviewer将会成为科研人员不可或缺的重要工具，为科研工作提供更多更有力的支持和帮助。
VOSviewer的发展也将促进文献计量分析领域的进一步发展和应用。