Citespace主要术语解释或翻译.docxVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Citespace主要术语解释/翻译 Cocitation analysis:共引分析 Time slice:时间片 Top N:系统设定N=30,意为在每个time slice中提取N个被引次数最高的文献。N越大生成的网络将相对更全面一些。 Top N%: 将每个time slice中的被引文献按被引次数排序后,保留最高的N%作为节点。 Threshold Interpolation:阈值(插值)设置,设定三个time slices的值,其余time slices的值由线性插值赋值。三组需要设置的slices为第一个,中间一个,和最后一个slice。每组中的三个值分别为c,cc,和ccv。 C(Citation)为最低被引次数。只有满足这个条件的文献才能参加下面的运算。 CC(Cocitation)为本slice内的共被引次数。 CCV(Cocitation cosine coefficient)为规范化以后的共被引次数(0~100)。 Select Citers:选择施引文献 Threshold:阈值 Fond size:字体大小 Node size:节点大小 Burst term:突变词 Article labeling:文章标签(圆形图) Term labeling:词标签(方形图) Cluster labeling:聚类标签 Citation burst:引用突现 Link walkthrough:分时连线(展示图谱演进过程) Spotlight:关键路径(突出显示重要节点的连线图) ∑值:sigma值(基于中心性和突现性计算得到的,中心性和突现性越高的节点,其sigma值也越高,绝大多数的sigma值是1.00,表示结构上和引文变化中都非常重要) Title:题名 Abstract:摘要 Noun phrases:指选择名词 Descriptors(DE):作者给出的关键词 Identifiers(ID):数据库附加关键词 Author:(施引文献)作者合作分析 Institution:(施引文献)机构合作分析 Country:(施引文献)国家合作分析 Term:(施引文献)主题词共现分析(对应wos记录中的title、keyword和abstract字段的词) Keyword:(施引文献)关键词(对应wos记录中的DE和ID字段) Category:(施引文献)wos学科共现分析 Paper:(施引文献)文献耦合分析 Grants:(施引文献)基金耦合分析 Cited reference:(被引文献)文献共被引分析 Cited author:(被引文献)作者共被引分析 Cited Journal:(被引文献)期刊共被引分析 Pruning sliced network:每个网络 Pruning merged network:综合网络 Pathfinder network scaling(PFNET):寻径网络算法 Minimum spanning tree(MST):最小生成树算法 Cluster view:聚类视图 Timeline:时间线视图 Timezone:时区视图 Modularity::聚类模块值(Q值),一般认为Q0.3意味着聚类结构显著 Silhouette:S值:聚类平均轮廓值 ,一般认为S0.5聚类类就是合理的,S0.7意味着聚类是令人信服的。 Betweenness centrality:中介中心性,在CiteSpace中,中介中心性超过0.1的节点称为关键节点 TF*IDF:加权算法(聚类标签词提取算法之一,citespace默认算法,强调研究主流,一般是根据施引文献的题目(title)生成聚类标签) Log-likelihood rate(LLR算法):对数似然率(聚类标签词提取算法之一),简单地说,LLR越大的词越具有对这个聚类代表性 Mutual information(MI算法):互信息算法(聚类标签词提取算法之一) Network(N):表示网络节点数量 Density:则表示网络的密度

文档评论(0)

挑战者 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档