什么是 ChangoBibVis？
ChangoBibVis 是一款基于Web的专业文献计量可视化分析工具，对标 VOSviewer，具有以下独特优势：
- 🌐 纯Web平台 - 无需安装，随时随地使用
- 🤖 AI智能分析 - 自动聚类命名、研究洞察生成
- 📊 11种可视化 - 网络/密度/时间线/弦图/词云/3D/桑基/河流/雷达/热点/叠加
- 🎨 深度定制 - 完整参数控制面板，样式随心调
- 💾 会话保存 - 分析状态可保存/加载，随时继续
- 📝 一键报告 - 自动生成包含所有图表的分析报告
- 🔍 在线搜索 - Chango智能文献综合检索，直接导入分析
- 🔗 分享功能 - 生成分享链接，团队协作更便捷
- ✏️ 截图标注 - 添加文字、箭头、框选，一键导出
5分钟快速开始
Step 1: 从 Scopus/WoS 导出文献数据（推荐CSV格式）
Step 2: 将文件拖拽到左侧"数据管理"区域
Step 3: 选择分析类型（共词/合作/引文/耦合）
Step 4: 调整参数后点击 构建网络
Step 5: 切换不同视图，点击节点查看详情
Step 6: 使用 AI洞察 生成分析报告
界面布局说明
左侧栏
- 数据管理
- 分析类型选择
- 参数设置
- 聚类列表
- TOP10节点
中央区域
- 工具栏第一行：10种视图切换按钮
- 工具栏第二行：搜索框、筛选器、缩放、导出、会话管理
- 参数面板：当前视图的样式参数（应用/重置）
- 图表画布：主要可视化展示区域
支持的数据格式
| 格式 |
来源 |
支持的分析 |
推荐度 |
说明 |
.csv |
Scopus |
全部 ✅ |
⭐⭐⭐⭐⭐ |
最佳格式，包含参考文献 |
.csv/.txt |
Web of Science |
全部 ✅ |
⭐⭐⭐⭐⭐ |
最佳格式，包含参考文献 |
.bib |
BibTeX |
共词、合作、引文 |
⭐⭐⭐ |
不含参考文献，无法做耦合分析 |
.ris |
RIS |
共词、合作、引文 |
⭐⭐⭐ |
不含参考文献，无法做耦合分析 |
- 在搜索结果页面勾选文献（最多2000篇）
- 点击 "Export" 按钮
- 选择 "CSV" 格式
- 勾选 "Citation information"
- 勾选 "Include references" ⚡重要
- 点击导出下载
- 在搜索结果页面勾选文献
- 点击 "Export" 按钮
- 选择 "Plain text file"
- Record Content 选择 "Full Record"
- 勾选 "Cited References" ⚡重要
- 点击导出下载
重要提示：
- 如需进行 文献耦合 或 共被引 分析，必须导出包含参考文献的CSV格式
- BibTeX和RIS格式通常不包含参考文献列表，仅支持共词、合作、引文分析
- 建议数据量：100-1000篇文献效果最佳，超过2000篇可能影响性能
11种可视化视图详解
用途：展示节点间的关联关系，力导向布局
交互：拖拽节点、缩放、点击查看详情
参数：节点形状/大小、连线粗细/曲度、斥力/引力
用途：热力图展示节点分布密度 + 饼图聚类分布
特点：直观展示研究热点区域
参数：点形状、大小、透明度
用途：展示文献/节点随时间的分布趋势
图表：柱状图（文献数）+ 折线图（节点数/权重）
交互：悬停显示年度热门关键词
用途：环形布局展示TOP节点关联强度
特点：关联越强线条越粗
参数：TOP节点数量、连线曲度
用途：词云形式展示关键词权重
特点：权重越大字号越大，颜色按聚类
参数：最大/最小字号
用途：伪3D球面分布，立体展示网络
特点：自动旋转动画，深度缩放效果
参数：自动旋转开关、旋转速度、深度缩放
用途：展示聚类到节点的知识流向
特点：左侧聚类，右侧TOP节点，流量可视化
参数：节点宽度、间距、曲度
用途：展示各聚类主题随时间的演化
特点：堆叠面积图，直观展示主题消长
适用：跨年度数据分析
用途：多维度对比各聚类特征
维度：节点数、总权重、平均权重、连接数、密度
参数：雷达形状、填充透明度、线宽
用途：识别研究热点的爆发期
算法：基于增长率检测突变关键词
参数：显示TOP数量
用途：用颜色显示时间维度，类似VOSviewer叠加视图
颜色：蓝色=较旧 → 绿色 → 黄色 → 红色=较新
特点：直观发现研究趋势演变
参数控制面板说明
构建网络后，工具栏下方会显示参数控制面板，可实时调整图表样式。
| 字体 | 选择标签字体族 |
| 字号 | 调整标签字体大小 (8-24px) |
| 字色 | 设置标签文字颜色 |
| 背景 | 设置图表背景色 |
| 节点形状 | 圆形/矩形/菱形/三角形/圆角矩形 |
| 节点大小 | 基准大小 (5-40) |
| 节点边框 | 边框粗细 (0-5) |
| 连线粗细 | 连线基准宽度 (1-8) |
| 连线颜色 | 连线默认颜色 |
| 连线曲度 | 弯曲程度 (0-100%) |
| 斥力 | 节点排斥力 (50-800) |
| 引力 | 向心引力强度 (0-1.0) |
| 显示标签 | 是否显示节点名称 |
| 标签位置 | 右侧/底部/内部/顶部 |
| 最小出现次数 |
过滤低频项，只显示出现次数≥此值的节点 |
| 聚类分辨率 |
Louvain算法参数，值越大聚类越多越细分 |
建议：
- >500篇：阈值5-10
- 100-500篇：阈值2-5
- <100篇：阈值1-2
应用 将当前参数应用到图表
重置 恢复所有参数为默认值
高级功能详解
🏷️ AI聚类命名：根据聚类内节点自动生成有意义的主题名称
💡 AI洞察分析：分析网络结构，生成研究领域概述报告，包括：
- 领域概述与主要研究方向
- 核心主题和热点分析
- 研究趋势与发展建议
💡 推荐使用 DeepSeek 模型，性价比最高
🔍 节点搜索：
- 输入关键词实时搜索节点
- 匹配节点高亮显示
- 支持上下键导航、Enter定位
🔧 网络筛选：
- 按权重范围筛选
- 按年份范围筛选
- 按聚类筛选
- 隐藏孤立节点
💾 保存会话：
- 保存完整分析状态（数据/网络/参数）
- 导出为 .bibvis 文件
- 随时暂停工作，下次继续
📂 加载会话：
- 选择 .bibvis 文件恢复分析
- 自动还原所有视图和参数
📊 一键生成分析报告：
- 自动截取所有视图图表
- 包含数据概览统计
- 整合AI洞察分析内容
- TOP节点详细信息表
导出格式：HTML（可打印为PDF）
用途：合并同义词/变体词，提高分析准确性
示例：
- "machine learning", "ML", "机器学习" → "Machine Learning"
- "AI", "artificial intelligence" → "Artificial Intelligence"
点击节点或TOP列表：
- 显示节点基本信息
- 中心性指标（度、介数、接近、PageRank）
- 相连节点列表
- 相关文献列表
操作：复制、导出、全屏
数据导出/导入
提示：
"导出JSON数据"会保存完整的网络数据、聚类信息和AI分析结果，
可通过"导入JSON数据"按钮重新加载，方便数据交换和备份。
