CiteSpace中关键词共现、关键词聚类、关键词突现三者的区别：一、关键词共现关键词共现主要分析的是关键词在文献中出现的频次以及关键词的中心性。关键词频次：通过统计关键词在文献中出现的次数，可以研究近年来关于某个话题的研究热点和主要用词。这些热点词语反映了该领域研究的集中点和关注度。关键词中心性：关键词的中心性，特别是高中介中心性，是衡量关键词在知识结构中重要性的指标。具有高中心性的关键词在桥接相关主题中发挥着重要作用，表明这些关键词在研究发展中处于重要地位，起到了枢纽作用。中心性高于0.1的关键词通常表示相对研究较多，对知识结构演进有重要影响。二、关键词聚类关键词聚类是将研究的热点词汇按照一定的划分模式进行归类，划分为不同的簇，进而归纳出研究热点或研究主题。聚类分析：通过聚类算法，将具有相似含义或关联性的关键词归为一类，形成不同的研究簇。这些簇代表了不同的研究主题或方向，有助于研究者快速了解该领域的主要研究内容和热点。研究热点归纳：关键词聚类能够清晰地呈现出该领域的主要研究热点和趋势，帮助研究者把握研究方向和前沿动态。三、关键词突现关键词突现用于分析近年来研究的阶段演进特征和预测前沿。突现性检测：关键词突现性检测能够呈现出研究热点的演绎历程，即某个关键词在一段时间内突然成为研究热点，然后逐渐减弱或消失，或者持续保持热度。这种突现性反映了研究的阶段性特征和趋势变化。预测前沿：通过分析关键词的突现性，可以预测后续研究的学术前沿。特别是对于那些持续保持热度的关键词，它们可能代表了未来研究的重要方向或领域。但需要注意的是，关键词突现性检测对于持续性研究的话题（如“共同富裕”）可能不是特别适用，而对于学科研究的选题变化或政策演变则具有较好的预测作用。总结：关键词共现关注关键词的频次和中心性，用于研究热点和主要用词的分析。关键词聚类将关键词归类为不同的簇，归纳出研究热点和主题。关键词突现分析研究的阶段演进特征和预测前沿，通过突现性检测呈现研究热点的演绎历程。三者各有侧重，但相互补充，共同构成了CiteSpace中关键词分析的重要组成部分。