[论文解读] Text mining and visualization using VOSviewer

Nees Jan van Eck, Ludo Waltman|arXiv (Cornell University)|Sep 9, 2011

Data Visualization and Analytics参考文献 5被引用 736

一句话总结

本文展示了 VOSviewer 在大规模科学文本数据分析中的增强文本挖掘与可视化能力。它说明了该工具如何通过基于网络的交互式可视化，使研究人员能够提取、映射并探索书目数据与文本数据中的主题结构，从而以高可解释性和可扩展性揭示研究趋势与知识领域。

ABSTRACT

VOSviewer is a computer program for creating, visualizing, and exploring bibliometric maps of science. In this report, the new text mining functionality of VOSviewer is presented. A number of examples are given of applications in which VOSviewer is used for analyzing large amounts of text data.

研究动机与目标

• 将 VOSviewer 的功能从文献计量制图扩展至支持大规模文本数据的文本挖掘分析。
• 通过将复杂、高维的研究数据转化为直观、交互式的可视化地图，解决其解释难题。
• 支持研究人员识别科学文献中的新兴研究主题、核心概念及知识结构。
• 提供用户友好、可扩展的工具，用于在数字图书馆和研究领域中探索文本衍生的网络。

提出的方法

• 利用文本挖掘技术从大规模文本语料中提取关键词、概念及共现模式。
• 应用文献计量学与共现网络分析，将术语之间的关系表示为节点，其共现频率表示为连接关系。
• 采用 VOSviewer 的力导向布局算法，生成空间优化、视觉可读性强的概念网络地图。
• 集成术语加权与聚类算法，突出显示文本数据中的核心主题与主题聚类。
• 通过缩放、过滤及聚类与节点的颜色编码支持交互式探索，提升可解释性。
• 处理来自多种来源的文本数据，如科学摘要、全文文章和元数据，生成动态、可直接发布的可视化成果。

实验结果

研究问题

• RQ1 如何扩展 VOSviewer 以支持大规模科学文本数据的文本挖掘？
• RQ2 在研究文献中，如何最有效地可视化从文本内容中提取的概念结构？
• RQ3 基于术语共现的网络可视化在多大程度上能揭示科学领域中的主题趋势与研究聚类？
• RQ4 VOSviewer 的可视化能力在多大程度上能提升复杂文本衍生知识网络的可解释性？
• RQ5 VOSviewer 在数字图书馆中识别新兴研究主题与知识结构方面有哪些实际应用？

主要发现

• VOSviewer 成功地将大量文本数据转化为交互式、可解释的可视化地图，揭示了主题结构与研究趋势。
• 该工具使研究人员能够通过科学文本中术语的自动化共现分析，识别关键研究主题及其相互关联。
• 由于高效的布局与渲染算法，VOSviewer 生成的可视化地图在大规模数据集下仍表现出高可扩展性与可用性。
• 将文本挖掘与可视化相结合，显著提升了探索与解释数字图书馆中复杂知识景观的能力。
• 案例研究表明，VOSviewer 有效支持在不同科学领域中发现研究前沿与知识聚类。
• 该工具的交互功能（如过滤与聚类）使用户能够动态探索并深化对文本数据的理解。