CiteSpace关键词阈值设置实战指南：从原理到最佳实践-平芜编程栈

为什么“阈值”总让新手头大？

第一次打开 CiteSpace 的“Keywords”面板，看到 Threshold 那一栏，很多人直接懵：
“到底填多少？默认的 2 行不行？10 会不会漏掉重要关键词？”
别急，阈值不是玄学，它只是 CiteSpace 用来“砍边”的一把刀：把出现次数太低、可能仅是偶然提及的词砍掉，留下真正对共现网络有贡献的“骨干”。刀口太高，网络稀疏；刀口太低，噪声泛滥。本文就带你把这把刀磨快，还告诉你什么时候该轻削，什么时候该重砍。

1. 阈值到底怎么算？——先弄懂三个数字

CiteSpace 在后台其实给你算了三档“出现频次”：

整体语料里的总频次（Global Freq）
你当前时间切片内的频次（Slice Freq）
该词在切片内“共现”次数（Co-occurrence Count）

阈值判定的最小单位是“Slice Freq”。界面里填的“Threshold”就是告诉程序：
“只要某个词在当前切片里的出现次数 ≥ 这个数，才让它进入共现矩阵。”
注意：这里只看“出现”，不看“共现”。一旦进入矩阵，CiteSpace 会继续统计它与其他词共同出现的次数，再画边。所以阈值越小，候选词越多，边也越多；阈值越大，网络越精简。

2. 两个极端案例：过拟合 vs. 欠拟合

2.1 过拟合——阈值=1 的“毛线球”

现象：节点 3000+，边 5 万+，图谱一片黑，聚类模块度 Q<0.2。
原因：低频词大量涌入，把“the”、“of”这类通用词也收进来，网络密度虚高，聚类算法被噪声牵着走。

2.2 欠拟合——阈值=50 的“孤岛图”

现象：只剩 7 个节点，聚类 3 个，关键词全是“machine learning”、“AI”这种大词，研究细节全被砍没。
原因：阈值远高于领域平均，把中小主题全部过滤，结果只能看到“天花板”概念。

3. 不同规模文献集，该用哪档阈值？

文献规模	推荐起步阈值	调参口诀	备注
小型 (<300 篇)	2–3	“先松后紧”	低频词可能是新方向，先保留再人工清洗
中型 (300–1500)	4–7	“中位试探”	用 4 起步，观察节点数 200–400 区间即可
大型 (>1500)	8–15	“倍率递增”	每增加 2，节点下降 10% 左右即可收手

经验公式：节点数 ≈ 文献量 × 0.1～0.2 时，图谱阅读体验最佳。

4. 动手：完整操作步骤（含截图位）

下面用 2018–2023 年“sustainable supply chain” 851 篇文献做示范，目标：中型规模，阈值从 4 起步。

打开 CiteSpace 5.7.R2，新建项目，导入 Web of Science 纯文本。
在“Time Slicing”里设 1 年一切片，共 6 个切片。
进入“Keywords”面板，选择“Burstness”保持默认，关键来了：
- Threshold Interpolation 选“Linear”
- 第一栏 Threshold 填 4（起步）
- 勾选“Top N per slice”= 50（防止个别切片词量爆炸）
点击“GO”，生成.network文件后，进入可视化。
记录左下角“Nodes = 312, Edges = 1847”，Density = 0.0092。

回到“Keywords”面板，把阈值改成 7，重新 Build。
结果：Nodes = 198, Edges = 921，Density 降到 0.0057，聚类 Q 值从 0.37 升到 0.42，轮廓系数 0.68。
图谱主题更聚焦，但“greenwashing”这类中频词消失，需要权衡。

5. 阈值对网络密度与聚类的真实影响

密度公式：Density = 2E / [N(N-1)]，E 为边数，N 为节点数。阈值↑ → N、E 同时↓，但 E 下降更快，所以密度几乎一定下降。
聚类模块度 Q：适度提高阈值能提升 Q，因为噪声边减少；但过高会“砍断”真实社区，Q 反而下降。
轮廓系数 S：反映聚类内部一致性。阈值 4→7 时，S 从 0.62 升到 0.68；再提到 12，S 跌回 0.55，说明“过砍”把同类词拆散。

6. 生产环境 3 条最佳实践

先用 TF-IDF 做预筛
在“Export”→“TF-IDF Keywords”导出列表，把 TF-IDF<0.01 的词手动加入stopwords.txt，再跑阈值，能减少 15% 无效节点。
用“Median Frequency”当锚点
把所有关键词按 Slice Freq 排序，取中位数 m。阈值建议区间 0.5m–1.5m，既覆盖主流又砍掉长尾。
版本对比留档
每调一次阈值，把.network与.json另存为threshold4、threshold7… 方便回滚，也方便在论文里放对比图，审稿人最爱看。

7. 代码级小技巧：批量测试阈值

如果你装了 CiteSpace 的 CLI 模式，可以用下面脚本一次跑 5 档阈值，自动记录节点数与 Q 值（Windows PowerShell 示范）：

for ($t=2; $t -le 10; $t+=2){ java -jar "C:\citespace\citepace.jar" -batch -project SSC -threshold $t -exportMetrics $log = Get-Content ".\output\metrics.txt" | Select-Object -Last 1 Add-Content "threshold_scan.csv" "threshold=$t, $log" }

跑完用 Excel 画折线，拐点一目了然。