使用CiteSpace制作关键词聚类图谱需在关键词共现分析基础上，通过界面操作生成聚类并标注名称，具体步骤如下：一、核心原理关键词聚类图谱基于共现分析，即统计文献中关键词同时出现的频率，通过算法（如模块度优化）将高频共现的关键词归为同一类别，形成具有学术关联的聚类群组。二、操作步骤完成关键词共现分析在CiteSpace中导入文献数据后，选择“Keyword”作为分析节点，运行共现分析。系统会生成关键词共现网络图，展示关键词间的关联强度。图：关键词共现网络示例生成聚类图谱在共现网络图中，点击界面上方的聚类指标按钮（通常标注为“Cluster”或“Module”），系统会自动根据关键词共现关系进行聚类计算，生成不同颜色的聚类群组。图：点击聚类按钮生成群组标注聚类名称聚类生成后，点击界面中的“Label”或“Cluster Label”按钮，系统会基于聚类内关键词的语义相似性自动提取代表性名称（如“#0人工智能”“#1机器学习”），并显示在图谱中。图：聚类名称标注效果三、关键参数调整聚类算法选择：在CiteSpace设置中，可选择“LLR”（对数似然比）、“TF*IDF”（词频-逆文档频率）等算法优化聚类名称提取。网络裁剪：通过“Pruning”功能调整网络密度，避免过度聚类或碎片化。时间切片：若分析动态趋势，可设置时间切片（如每年一个区间），观察聚类随时间的变化。四、结果解读聚类规模：节点数量反映研究热点集中度，大规模聚类可能代表成熟领域。聚类间连接：跨聚类连线表示领域交叉，如“#0人工智能”与“#2医疗”连接可能指向AI医疗应用。时间序列：结合CiteSpace的时间轴功能，可分析聚类的兴起与衰落周期。五、注意事项数据量需充足（建议至少500篇文献），否则聚类结果可能不稳定。聚类名称需人工校验，避免算法提取的名称与实际研究内容偏差。不同学科领域需调整共现阈值（如高频词过滤），以适应学科特性。通过以上步骤，可系统化生成关键词聚类图谱，直观呈现研究领域的结构与演化趋势。