目录

1. 电子软件简介

2.软件应用实例-CNKI

2.1 确定主题

2.2 数据准备

2.3 数据格式转换

2.4 关键词共现分析

2.5 关键词聚类分析

2.6 关键词出现分析

2.7 发行机构分析

3.分析与总结

3.1 关键词共现/聚类分析

3.2 关键词出现分析

3.3 发行机构分析

1.软件介绍

1.基本概念

（ ）是一款专注于科学分析中蕴含的潜在知识的分析软件，是在科学计量学和数据可视化的背景下逐渐发展起来的引文可视化分析软件，通过可视化的方式可以呈现出科学知识的结构、规律和分布情况，因此通过这种分析得到的可视化图谱被称为“科学知识图谱”。

二、主要功能及用途

知识图谱构建：基于科学文献的引用关系，生成知识图谱，帮助研究人员更好地了解学术领域不同文献之间的联系和演变过程。

主题聚类分析：通过关键词、引文共现等信息，对文献进行主题聚类分析，帮助研究人员从海量科技文献中提取关键主题和热点问题。

可视化分析：提供多种可视化方式，如时间序列图、地图、对比图等，让研究人员能够更加直观的展示和分析科学文献数据。

科研协助：主要用于科研前期的文献查阅、科研方向的探索、组织科研团队协作与关系等。

3. 应用领域

论文文献综述

国内外期刊分析报告

研究方向探索

核心期刊研究

4. 开发者和发布信息

它是由荷兰拉德堡德大学信息科学与技术学院和大连理工大学WISE实验室的陈超梅博士开发的，用户可以从其官方网站免费下载：

5. 用户评论

根据华军软件等平台用户的评价，（可视化文献分析软件）的下载、安装和使用流程简洁流畅，界面设计简单易用，功能丰富，实用性较高，很多用户都给予了很高的评价，认为是一款方便实用的科研工具。

6. 使用

使用时主要包括导入文献数据、设置分析参数、呈现可视化结果等几个步骤。用户可以从Web of 、中国知网（CNKI）、 等多个权威数据源获取文献，并通过内置的转换工具将数据导入软件进行分析。

2.软件应用示例-.1确定主题

确定研究主题和关键词，尽可能使用广泛的专业术语确定感兴趣的知识领域。本文以国内“文本挖掘”研究为例，在CNKI数据库中进行检索，探究2019年至2024年国内学术成果分布与合作、研究前沿等情况。

2.2 数据准备

在CNKI中以“文本挖掘”为关键词，检索2019—2024年，共检索到学术期刊1865种，硕、博论文1994篇。

然后把这些期刊和硕博论文按照格式导出即可。注意CNKI每次只能导出500篇文献。（步骤：改为每页显示50条，点击全选，点击写一页，再点击全选，直到有500条，导出一次，然后重复操作，直到所有文献都选中并导出）

最后把导出的txt文件内容全部复制到同一个txt文件中，并将这个txt文件命名为“”，比如我将每次导出的1-10个txt文件的内容都合并成一个.txt文件。

创建新文档，创建四个文件夹“,,data”，并将文档复制到其中。

数据：从中复制的数据

：下载的原始数据

：转换后的数据

：处理结果和过程数据

2.3 数据格式转换

打开软件，点击（默认界面是英文），如果想要中文界面，点击后再点击一次。

分析的数据基于Web数据，从其他数据库下载的数据需要转化为Wob格式的数据后才能进行分析，本文采用的是CNKI数据库，因此需要对数据进行转换处理。

单击菜单栏中的数据，然后单击导入/导出。

点击CNKI，然后填写输入输出文件夹路径，最后点击格式转换，操作完成后关闭页面。

将转换后的数据从文件夹复制到数据文件夹。

点击“新建”，输入项目名称，修改文件地址，选择数据库和语言，点击保存，项目就创建好了。

2.4 关键词共现分析

①修改时间划分，只勾选关键字，勾选下方“”中的两个指标，最后点击绿色的“！”按钮。

如果遇到下图的情况关键词提取工具，只需要减小g-中的k值（减小k值不会影响后面的分析）直到不出现错误提示即可。或者也可以缩短年份，这样也可以解决问题。

单击可视化

屏幕左侧是黑色的，表示程序还在运行，可以等到运行完毕再变白，或者点击停止按钮。屏幕左侧是关键词出现的频率和最早出现的年份，右侧是控制面板。

在控制面板中将排列模式改为“By Freq”，然后修改框中的三个属性的值（控制字数、字大小、节点大小），直到得到满意的图形。

如果觉得重叠的单词不好看，可以点击标签里的标签大小，让它们均匀分布，这样可以避免关键词重叠，但是不会起到单词越大频率越高的效果。

如果您不喜欢方形节点，您可以在节点中将节点形状更改为圆形。

或者点击功能栏中的节点环

如果您想更改标签的颜色，请按照以下步骤操作。

您还可以修改标签的背景颜色。

您还可以去除背景颜色，并最大限度地增加背景颜色的透明度。

同时，屏幕左侧还显示有关键词出现的频率和平均出现年份。

最后，如果您想保存图像，请单击文件并另存为 PNG。

2.5 关键词聚类分析

点击功能栏中的聚类按钮，在弹出的输入框中输入K，最后点击确定

聚类完成后，在控制面板中进行微调

最后保存图片如下图所示：

如果要制作关键词时间线图表，需要根据聚类点击功能栏中的“查看”按钮，或者点击控制面板中的布局。

首先调整背景颜色

如果屏幕卡住白色，您可以单击“重新运行”，然后结束运行。

如果您不想要黄色框形式的节点，您可以点击功能栏中的节点环按钮。

最后在控制面板中进行微调，并保存为PNG图像，如下图所示：

2.6 关键词出现分析

点击控制面板中的“热点”，点击查看，弹出窗口会告诉你一共有多少个变异词。然后你需要输入需要显示的词数。如果变异词数量较少，可以减小Y[0,1]中的值，比如改为0.5。值越小，变异词越多。

点击OK之后结果如下

2.7 发行机构分析

在节点类型中勾选组织，然后点击开始按钮

屏幕左侧会统计该机构发表文章的频率以及最早发表时间。

3.分析总结 3.1 关键词共现/聚类分析

分析结果如下：

核心关键词和主题：

研究重点：

应用领域：

研究方法和技术：

趋势和变化：

综上所述，文本挖掘领域的研究呈现出多元化、深化和应用化的趋势，不仅涉及先进的技术和方法，而且被广泛应用于不同的领域和场景。未来随着数据量的不断增加和技术的不断进步下拉词怎么做★64xl.com专业老品牌，百度搜索联想词是说明很多人搜嘛，文本挖掘领域的研究将更加广泛和深入。

3.2 关键词出现分析

现将近年来文本挖掘领域的发展动态及趋势分析如下：

早期趋势（2019-2020）：

中期趋势（2020-2021年）：

近期趋势（2020-2022）：

新兴趋势（2022 年至今）：

综上所述，近年来文本挖掘领域经历了从大数据获取与预处理，到深度学习、机器学习等技术的深入应用，再到金融科技、事故原因等新兴领域的探索与应用的过程。

3.3 发行机构分析

结果分析：

研究实力与影响力：这些大学在文本挖掘领域的论文发表频率较高，表明其在该领域拥有较强的研究实力和学术影响力。这些机构可能拥有优秀的教学团队、先进的实验设备和丰富的研究资源，以支撑高质量的研究工作。

学科优势与特色：这类高校多为以财经、经济、管理等学科为主的综合性高校，如中南财经政法大学、东北财经大学、上海财经大学等，这些学科与文本挖掘技术密切相关，需要对大量文本数据进行处理分析关键词提取工具，因此在文本挖掘领域具有天然的优势与特色。

研究热点与趋势：这些机构在2019年和2020年开始大量发表文本挖掘领域的论文，可能反映出当时该领域的研究热点和趋势。随着大数据和人工智能技术的快速发展，文本挖掘技术得到了广泛的应用和关注。这些机构也抓住了这一机遇，加大了对该领域的研究投入。

学术成果与应用前景：这些机构在文本挖掘领域取得了丰硕的学术成果，并可能在实际应用中发挥重要作用。例如，在金融领域，文本挖掘技术可用于分析市场趋势、评估投资风险、优化投资策略等；在社交媒体领域，文本挖掘技术可用于分析用户行为、情感倾向、舆情动态等。这些具有广阔应用前景的研究领域为这些机构提供了广阔的研究空间和发展机会。