研究生導師給的課題很偏？

如果按照字面意思上要查全一個方向內的所有文獻，一篇不漏那是不可能的。

只能說是把這個方向內具有里程碑意義的文獻找到，對這個研究方向有全面且深刻的理解。

每個領域的問題肯定都是從某一篇開山之作開始的，后面的學者在這個基礎上進行細化和深入的研究，然后每個階段這個領域的大牛就會寫一篇綜述來總結目前這個領域的研究進展，想要了解這個領域的來龍去脈和近期進展找到開山之作和這篇綜述就好了，然后根據他們所引用的文獻就可以找到相關的研究文獻了，然后根據引用次數可以看出來文章的重要性。

1、Connected Papers

網址：https://www.connectedpapers.com/

Connected Papers，顧名思義，將相關領域已發表論文進行關聯分析。這是一款幫助科研工作者完成文獻探索和信息挖掘的線上可視化工具，于2020年6月份正式面向大眾開放。

01 可以用來做什么？

1）初步探索，由點及面。

輸入一篇典型文章，獲取相關領域的論文可視化圖表，輔助我們快速了解該領域的熱點、趨勢和動態。

2）深入調研，抓重點文獻。

在某些領域，近期發表的論文由于被引量少較難追蹤，但Connected Papers可以讓我們輕松發現最近的一些重要文章。

3）查漏補缺，填補空白。

從確認需要引用的參考文獻開始檢索，使用本網站找到其余部分，完善文獻調研結果。Connected Papers基于Semantic Scholar的數據構建圖表，不需手動進行文獻條目導出。Semantic Scholar是由微軟聯合創始人 Paul Allen運用機器學習技術創建的一款免費學術搜索引擎。該數據庫囊括了1.8億多篇學術論文，涉及計算機科學、分子生物學、微生物學和神經科學等多學科領域。

運用Connected Papers檢索文獻非常方便，目前支持文章標題、DOI號、以及arXiv、Semantic Scholar 和 PubMed多種來源文章的URL檢索。非常適合研究者用來寫綜述或者初探一個新領域。

圖1. Connected Papers首頁（來源：網頁截圖，如無特殊說明，本文圖片均源于網頁截圖）

02 如何操作及解析可視化結果？

1）輸入目標文章標題/DOI/URL（關鍵詞亦可）

以小編最近在看的一篇2009年發表在Soil biology & biochemistry文章為例。輸入文章標題——“Arbuscular mycorrhizal fungi contribute to 13C and 15N enrichment of soil organic matter in forest soils”

圖2 文章檢索界面

2）點擊“Build a graph”來生成可視化圖片：

這個過程視相關文章數目而定，數目越多耗時越長，一般情況下1-2分鐘足矣。

3）分析結果解讀：

如圖所示，我們把結果界面劃分為3個區塊。

圖3 相關文獻分析可視化結果

①最左側為相關文獻名列表。

第一篇文章即我們輸入的original article。默認依據文章與原始文章之間的相似度排序，相似度越大越靠前。如需查看列表文章的詳細屬性，可以點擊“Expend”轉到列表視圖。在此視圖下，我們可以根據文章發表年份及被引量等進行重新排序。若想回到圖片視圖，點擊“Collapse”即可。

圖4 文獻分析結果的List視圖

②中間為可視化圖形。

看不懂圖片可以直接點擊幫助圖標，每一個節點代表一篇文獻，節點大小表示文獻被引量多寡，節點顏色由淺入深表示年代由遠及近，節點之間連線越深暗示兩篇文獻之間相似度越高，同時相似度高的文獻會在圖片中聚集在一起。具黑色環帶的節點示原始文獻，鼠標滑過非原始文獻的節點均會產生白色環帶予以區分。

圖5 可視化圖形案例 （案例展示了相關領域的41篇文章，最早可追溯到1996年，其中2006年Rilling等發表的文章“Mycorrhizas and soil structure”被引次數最多）

③最右側為指定文章的詳細信息。

包含了標題、作者、發表年份、被引量、參考文獻數目及摘要。點擊“Paper details”鏈接到“Semantic Scholar”學術搜索引擎，可以在線預覽圖表（這一點可以說是非常nice了），甚至可以直接獲取全文。

圖6 Semantic Scholar 文獻簡介界面

有意思的是，點擊頁面左上角的“Prior works”，中間一欄跳轉為本文的背景文獻，輔助研究者追本溯源。藍色部分示意直接引用的文獻，而白色部分表示雖未被直接引用但內容密切相關的文獻。點擊“Prior works”中的文獻名稱將在左側相關文獻名列表中高亮所有引用過該文獻的文章。而在左側點擊一篇相關文獻，“Prior works”中將高亮該文章所引用的所有文章。

圖7 “Prior works”界面截圖

相信大家也都猜到了，點擊“Derivative works”可以查看引用了以上圖譜中文章的文獻，便于我們掌握最新動態。玩法和“Prior works”類似，不再贅述。

圖8 “Derivative works”界面截圖

只需要找到本領域內一篇權威綜述就可以找到這么多的信息，可以說是文獻調研的神器了，大家可以試一試。

2. CiteSpace

（1）簡介

官網：http://cluster.cis.drexel.edu/~cchen/citespace/

CiteSpace是美國德雷塞爾大學信息科學與技術學院的陳超美教授開發的一款信息可視化軟件?？蛇M行作者、機構或國家的合作網絡分析，主題、關鍵詞或WoS分類的共現分析，以及文獻、作者或期刊的共被引分析等。

（2）使用方法

CiteSpace目前已更新到5.8.R1版本，下載地址：https://citespace.podia.com/courses/download，注冊登錄后方有下載權限。Windows用戶可下載“CiteSpace.5.8.R1-installer_exe”文件，該版本軟件內置Java，無需另外安裝。

Mac用戶需預先下載Java，接著下載“5.8.R1.zip”,解壓后雙擊“CiteSpaceV.jar”即可打開軟件。（順便提一下，CiteSpace對Mac用戶不是很友好，建議大家盡量在windows系統使用）

CiteSpace軟件下載界面，圖片來源：CiteSpace官網截圖

Mac系統CiteSpace安裝方法CiteSpace支持 WoS / Scopus / Lens / MAG / CSCD / CSSCI / PubMed 等來源數據分析，這里我們同樣以從Web of Science導出的文獻信息為例，將檢索到文獻的“全紀錄與引用的參考文獻”以“純文本”形式導出。

文獻信息導出格式設置，圖源：Web of Science官網截圖

導出的txt文獻分別以“download_”為前綴命名。新建兩個文件夾，分別命名為“data”和“project”，將導出的txt文件拖入前者。

用于CiteSpace分析的文獻信息文件命名

打開CiteSpace，點擊“New”導入數據，在彈出的對話框中對分析任務進行命名，設置結果存儲路徑、數據來源路徑，并選擇來源數據庫，此處即為默認的WoS。

CiteSpace文獻信息導入步驟，圖源：CiteSpace操作界面截圖

完成數據導入后分別按照以下步驟完成時間切片和節點類型的設置，點擊“GO”即可啟動分析。此處我們根據檢索到的文獻信息設置時間切片跨度為1992-2021，以關鍵詞（Keyword）為節點進行分析。

CiteSpace文獻關鍵詞貢獻分析，圖源：CiteSpace操作界面截圖

可視化結果如下圖所示。圖中列舉了幾個可視化常用快捷功能，大家可以自行調試。如需對圖譜進行調整，可在控制面板（control panel）中調整參數，使圖片更加美觀。

CiteSpace關鍵詞共現分析結果，圖源：操作界面截圖

CiteSpace作為一款集可視化方法、文獻計量方法和數據挖掘算法于一身的工具，功能強大，小編也只是做一個入門級的介紹，更多玩法還需要各位自行探索。另外，CiteSpace更新頻率較高，每個版本都有使用有效期，但往往有網友反映最新版本bug不少，各位可以下載好用的版本，使用時修改電腦系統時間即可。

5. CiteSpace中文版指南（網址：http://cluster.ischool.drexel.edu/~cchen/citespace/manual/CiteSpaceChinese.pdf）

（3）優缺點

CiteSpace功能多樣，能輔助研究者深度剖析某領域的研究熱點和發展趨勢，但同時也對操作環境和使用者提出了更高的要求，使用過程中的bug不少，需要多一點耐心~相比較來說如果挖掘的內容不是特別深的話Connected Papers就足夠用了，有了這種可視化分析的工具就可以快速幫助你找到領域內最具有影響力的論文了。

這里是投必得——全專業頂級論文潤色專家，有關于論文潤色發表的問題都可以和我討論，我們下一篇文章再見~