基于citespace的天麻研究知識圖譜可視化分析

李石榮 符茂勝 周先存 王成 楊亞東

摘 要：天麻作為一種名貴的中藥材已有千年的歷史，在中醫(yī)臨床上得到了廣泛的應(yīng)用。本文以知網(wǎng)數(shù)據(jù)庫中近20年有關(guān)天麻研究的文獻(xiàn)為基礎(chǔ)，利用Citespace軟件實現(xiàn)了有關(guān)天麻研究的作者、機構(gòu)和關(guān)鍵詞等內(nèi)容的知識圖譜可視化分析。實驗結(jié)果表明，近20年來有關(guān)天麻研究的文獻(xiàn)數(shù)量呈現(xiàn)緩慢增長并趨于穩(wěn)定的狀態(tài);天麻研究的作者和關(guān)鍵詞具有較強的關(guān)聯(lián)，但機構(gòu)之間的合作關(guān)聯(lián)性較弱;天麻研究有關(guān)熱點隨時間不斷變化。有關(guān)天麻的知識圖譜可視化分析對政府、企業(yè)和研究機構(gòu)具有重要的理論意義和指導(dǎo)意義。

關(guān)鍵詞：天麻;知識圖譜;可視化分析

中圖分類號：TP391 ?文獻(xiàn)標(biāo)識碼：A ?文章編號：1673-260X（2022）01-0041-08

1 引言

在抗擊2020年新冠疫情過程中，中醫(yī)藥治療方式的廣度和深度是空前的，其顯著的療效是西醫(yī)藥不可替代的，為世界疫情的防疫控制提供了新的解決方案，受到了國內(nèi)外社會的廣泛關(guān)注。越來越多的國家開始改變對中醫(yī)藥的看法，如疫情期間匈牙利成為第一個用中藥預(yù)防新冠的歐洲國家，德國、意大利和美國等國家部分民眾也支持中西醫(yī)結(jié)合療法對肺炎治療的積極作用。2019年，我國十九屆四中全會《決定》中再提中西醫(yī)并重，可以看出中醫(yī)藥的發(fā)展早已經(jīng)上升為國家的發(fā)展戰(zhàn)略，中醫(yī)藥因集預(yù)防、治療和環(huán)保為一體而具有廣闊的市場發(fā)展前景，在國家經(jīng)濟發(fā)展中具有舉足輕重的地位[1]。

山區(qū)因特殊地理位置而盛產(chǎn)天麻、靈芝、石斛和茯苓等中藥材，眾多特色植物中藥材資源研究、開發(fā)和利用受到政府和企業(yè)的廣泛關(guān)注[2]。2016年《中醫(yī)藥法》提到將扶持道地中藥材生產(chǎn)基地的建設(shè)[3]。2020年國務(wù)院研究加大中藥飲品政策扶持力度并加以臨床為導(dǎo)向[4]。天麻作為大別山地區(qū)一種重要的特色植物中藥材資源，受到了眾多學(xué)者和研究機構(gòu)的高度重視[5-8]。孟醒等人[5]對天麻鉤藤飲的臨床療效進行了相關(guān)的研究并取得了相應(yīng)的突破;劉云霞等人[6]對轉(zhuǎn)錄組測序初步揭示天麻生長代謝特征，為天麻栽培技術(shù)提供了重要的理論指導(dǎo);林昕等人[7]通過對天麻的化學(xué)成分構(gòu)建指紋圖譜，可為天麻產(chǎn)地的鑒別和道地性提供科學(xué)參考依據(jù);張雙奇等人[8]通過超聲輔助天麻多糖提取工藝并分析了其抗氧化活性。有關(guān)天麻的研究熱點主要圍繞臨床研究、培育種植、成分分析、提取工藝等方面。

盡管眾多學(xué)者和科研機構(gòu)在天麻研究領(lǐng)域做出了重要的貢獻(xiàn)，但隨著天麻研究的不斷發(fā)展，當(dāng)前研究的熱點是什么？天麻研究的未來發(fā)展趨勢是什么？研究機構(gòu)、政府和企業(yè)等對這些問題比較感興趣。目前已有一些有關(guān)天麻研究的綜述文獻(xiàn)[9-12]。申寒梅[9]對天麻產(chǎn)業(yè)產(chǎn)融結(jié)合業(yè)務(wù)方案的優(yōu)化進行了研究，提出了在層面和階段上分段優(yōu)化并進行單個層面上的績效預(yù)測，給出了相應(yīng)的管理建議;黎光富等人[10]對天麻多糖的化學(xué)成分和藥理作用進行了綜述研究，指出了當(dāng)前天麻多糖研究與開發(fā)中存在的問題，給出了意見和建議;喬媛媛等人[11]對生態(tài)承載力的研究進行了相關(guān)的總結(jié)，分析并得到了生態(tài)承載力的熱點關(guān)注和發(fā)展趨勢。薛慧[12]對天麻在提高免疫、抗氧化和保護神經(jīng)等功能方面的研究成果進行了較全面的總結(jié)。雖然上述有關(guān)天麻研究的文獻(xiàn)總結(jié)出了較全面的結(jié)論和意見，但大多存在較強的主觀性和局限性。隨著大數(shù)據(jù)技術(shù)的不斷進步和發(fā)展，近年來流行的知識圖譜法可以為解決上述問題提供一種新的思路，并已在智慧教育、智慧醫(yī)療和智慧農(nóng)業(yè)等多個領(lǐng)域?qū)崿F(xiàn)了成功的應(yīng)用[13-19]。侯夢薇等人[13]通過集成術(shù)語構(gòu)建可用于解決醫(yī)療中資源欠缺、需求矛盾的大規(guī)模知識圖譜;Chen等人[14]提出了一種教育信息挖掘系統(tǒng)，通過神經(jīng)序列標(biāo)記算法提取教學(xué)中的概念和挖掘教育領(lǐng)域的重要信息;何雪等人[16]通過知識圖譜可視化分析對我國的鎘吸附-解吸研究熱點進行了總結(jié)，指出了我國鎘吸附-解吸的文獻(xiàn)計量研究的發(fā)展現(xiàn)狀、研究熱點和動態(tài)趨勢。雖然知識圖譜已經(jīng)在多個領(lǐng)域?qū)崿F(xiàn)了成功的應(yīng)用，但目前有關(guān)特色植物資源的知識圖譜應(yīng)用卻很少。

天麻是特色植物中的一種中藥材資源，在臨床上具有重要的藥用價值。本文整理了近20年有關(guān)天麻研究的文獻(xiàn)，運用citespace軟件對天麻研究的作者、機構(gòu)和關(guān)鍵詞等部分進行了知識圖譜可視化分析，呈現(xiàn)了天麻研究的聚類結(jié)果和熱點變化等內(nèi)容，以期為相關(guān)研究機構(gòu)、政府和企業(yè)提供理論參考和實踐指導(dǎo)依據(jù)。實驗結(jié)果表明：

（1）近二十年來有關(guān)天麻研究的文獻(xiàn)數(shù)量呈現(xiàn)了緩慢增長并逐漸趨于穩(wěn)定的趨勢。

（2）作者的關(guān)系網(wǎng)呈現(xiàn)“大網(wǎng)為主、小網(wǎng)分散”的局勢，體現(xiàn)了大部分作者之間研究的合作關(guān)聯(lián)性較強;機構(gòu)圖譜呈現(xiàn)的關(guān)系網(wǎng)不夠緊密，體現(xiàn)了機構(gòu)相互之間的合作關(guān)系緊密性較弱。

（3）關(guān)鍵詞的共現(xiàn)和聚類結(jié)果顯示天麻研究聚類關(guān)鍵詞可主要劃分為6大類，#0半夏白術(shù)天麻湯、#2天麻種子、#3天麻素、#5臨床研究、#6h型高血壓和#7數(shù)據(jù)挖掘。聚類#0主要側(cè)重于天麻制劑、癥狀治療等內(nèi)容;聚類#2主要側(cè)重于天麻品種、種植栽培等內(nèi)容;聚類#3主要側(cè)重于天麻成分測定、工藝提取等內(nèi)容;聚類#5主要側(cè)重于臨床研究;聚類#6主要側(cè)重于臨床治療方法;聚類#7主要側(cè)重于遺傳分析、臨床數(shù)據(jù)挖掘等內(nèi)容。關(guān)鍵詞聚類圖譜可視化分析主要從天麻的產(chǎn)品制劑、品種栽培、成分分析、臨床研究、治療方法和數(shù)據(jù)挖掘等六個方面對天麻研究進行了系統(tǒng)的總結(jié)。關(guān)鍵詞聚類分析結(jié)果也反映了近20年來天麻研究的熱點變化和發(fā)展方向。

本文利用知網(wǎng)數(shù)據(jù)庫中近二十年有關(guān)天麻研究的參考文獻(xiàn)數(shù)據(jù)，結(jié)合知識圖譜可視化軟件對天麻的研究熱點、合作關(guān)系和發(fā)展趨勢等內(nèi)容做了相關(guān)圖譜可視化分析，構(gòu)建了天麻研究的“一張圖”。實驗所得圖譜可為相關(guān)人員提供參考和指導(dǎo)信息，對掌握天麻研究的實時發(fā)展動態(tài)、推動山區(qū)經(jīng)濟發(fā)展、實現(xiàn)天麻產(chǎn)業(yè)化和提高人民生活水平具有重要的意義。

2 圖譜可視化分析原理

本文的實驗結(jié)果主要利用citespace軟件對知網(wǎng)下載的參考文獻(xiàn)數(shù)據(jù)進行圖譜可視化分析[20]。具體的圖譜可視化流程如圖1所示。

2.1 數(shù)據(jù)準(zhǔn)備

本文選取知網(wǎng)數(shù)據(jù)庫，下載2000-2021年期間有關(guān)天麻研究的論文參考文獻(xiàn)，數(shù)據(jù)統(tǒng)一命名并放入準(zhǔn)備好的輸入文件夾中，通過citespace軟件自帶的數(shù)據(jù)處理功能對下載的數(shù)據(jù)進行格式轉(zhuǎn)換操作，得到的數(shù)據(jù)存入準(zhǔn)備好的輸出文件夾中以備后續(xù)數(shù)據(jù)處理使用。

2.2 參數(shù)設(shè)置

參數(shù)設(shè)置過程主要包含：時間切片、關(guān)聯(lián)強度、網(wǎng)絡(luò)裁剪和閾值篩選等幾個步驟，下面就這幾個主要步驟進行簡單介紹。

2.2.1 時間切片

時間切片主要與閾值設(shè)置搭配使用。時間切片主要針對選擇的施引文獻(xiàn)和被引文獻(xiàn)并進行節(jié)點分析，由于從知網(wǎng)數(shù)據(jù)庫上下載的數(shù)據(jù)格式中沒有被引文獻(xiàn)，因此本文中時間切片設(shè)置主要針對的是施引文獻(xiàn)。針對施引文獻(xiàn)進行分析的節(jié)點類型主要有合作作者、合作機構(gòu)和關(guān)鍵詞等內(nèi)容，選擇對應(yīng)下載時間段和圖譜參數(shù)對文獻(xiàn)進行分析。

2.2.2 關(guān)聯(lián)強度

在得到的知識圖譜中，作者和機構(gòu)之間的連線可反映合作強度關(guān)系，合作的節(jié)點大小可表示作者、機構(gòu)論文發(fā)表的數(shù)量;關(guān)鍵詞圖譜中的節(jié)點大小可以表示出現(xiàn)的頻率，關(guān)鍵詞之間的連線可以反映共現(xiàn)強度。Citespace提供了網(wǎng)絡(luò)節(jié)點關(guān)聯(lián)強度的常用計算方法—Cosine算法。Cosine算法計算連接強度公式如下：

Cosine（cij，si，sj）=? （1）

標(biāo)準(zhǔn)化的數(shù)值大小在0到1之間，數(shù)值越大關(guān)聯(lián)強度越強。其中cij為si和sj的共現(xiàn)次數(shù)，si和si分別為i和j出現(xiàn)的頻次。

2.2.3 網(wǎng)絡(luò)剪裁

獲取的網(wǎng)絡(luò)密集度比較高時可視化分析效果會受到較大的影響，此時可通過篩選重要的連線來提高網(wǎng)絡(luò)的可讀性。Citespace軟件提供了兩種重要的可視化裁剪方法，最小生成樹（Minimum Spanning Tree，MST）算法和尋徑網(wǎng)絡(luò)（Pathfinder Network，PFNET）算法。

（1）MST算法

若網(wǎng)絡(luò)圖譜為G（V，E），其中V為一組節(jié)點，E為V中節(jié)點連接生成的邊，？坌u，v∈V，w（u，v）表示邊（u，v）∈E的權(quán)重。若存在生成子圖T=（V，TE），TE？哿E，并且T無圈，使得T的權(quán)重w（T）=最小，則T為G的最小生成樹。最小生成樹的圖譜修剪方法是通過構(gòu)造網(wǎng)絡(luò)圖片的最小生成樹來簡化網(wǎng)絡(luò)，即在生成的網(wǎng)絡(luò)圖譜中構(gòu)造一個包含所有節(jié)點、無圈和權(quán)值最小的子網(wǎng)絡(luò)。

構(gòu)造最小生成樹的方法是從某一個節(jié)點u0∈V出發(fā)，初始時刻令U={u0}，TE={}，重復(fù)執(zhí)行如下步驟：在所有的u∈U，v∈V-U的邊（u，v）∈E中找到權(quán)值最小的邊（uk，vk）并入TE，并將vk并入U，直至U=V為止，得到最小生成樹T=（V，TE），TE？哿E。

（2）PFNET算法

尋徑網(wǎng)絡(luò)算法可用于分析數(shù)據(jù)相似性，根據(jù)經(jīng)驗性數(shù)據(jù)評估不同概念或?qū)嶓w之間的差異程度，最終生成一類特殊的網(wǎng)狀模型用于數(shù)據(jù)相關(guān)性分析。該算法可對復(fù)雜網(wǎng)絡(luò)中衡量數(shù)據(jù)相似性的關(guān)系進行簡化處理，分析數(shù)據(jù)之間存在的關(guān)聯(lián)，在所有兩點路徑之間保留關(guān)聯(lián)性最強的路徑，建立數(shù)據(jù)之間最有效的路徑。同理MST算法，網(wǎng)絡(luò)圖譜為V=（V，E），V={N1，N2，…，Nn}。|V|=n表示的節(jié)點個數(shù)，E中邊與邊之間的關(guān)聯(lián)可以矩陣EG來描述，如公式（2）所示：

2.2.4 閾值篩選

過多的數(shù)據(jù)量會導(dǎo)致圖譜過于龐大而出現(xiàn)雜亂的結(jié)果，嚴(yán)重影響可視化分析。通過對閾值進行設(shè)置，對所有數(shù)據(jù)進行閾值篩選，去除冗余信息從而使得圖譜變得更加清晰。Citespace軟件提供了四種數(shù)據(jù)的閾值篩選方法：

（1）選擇每個時間段中被引用次數(shù)或出現(xiàn)次數(shù)頻率最高的若干個數(shù)據(jù)節(jié)點。

（2）選擇百分比最高的節(jié)點數(shù)據(jù)，且限制被引用或出現(xiàn)頻率次數(shù)的數(shù)據(jù)節(jié)點。

（3）給定三個時間默認(rèn)的參數(shù)值（c，cc，ccv），其中c表示最低被引用或出現(xiàn)頻率次數(shù)，cc表示出現(xiàn)次數(shù)或共被引的頻率次數(shù)，ccv表示共現(xiàn)頻率或共被引率。

（4）選擇被引用頻率次數(shù)在某一區(qū)間的節(jié)點數(shù)據(jù)。

2.3 可視化

2.3.1 可視化界面簡介

可視化界面功能主要包括以下幾個部分：

（1）節(jié)點信息列表：包括節(jié)點出現(xiàn)次數(shù)、中心性、首次出現(xiàn)年份、關(guān)鍵詞，節(jié)點可通過visible選項實現(xiàn)隱藏功能。

（2）視圖顏色與背景選?。喊ňW(wǎng)絡(luò)藍(lán)色與彩色顯示切換、網(wǎng)絡(luò)視圖背景顏色修改。

（3）網(wǎng)絡(luò)聚類選擇：聚類方式可選取為聚類術(shù)語的標(biāo)題、關(guān)鍵詞或摘要提取，方法有聚類時間演化、聚類語義檢索、對數(shù)似然和互信息算法。

（4）網(wǎng)絡(luò)界面設(shè)置選擇：標(biāo)簽設(shè)置包括調(diào)整主題網(wǎng)絡(luò)字號標(biāo)簽、節(jié)點字號、連線強度、標(biāo)簽大小、聚類命名字號和位置調(diào)整;網(wǎng)絡(luò)布局包括網(wǎng)絡(luò)布局方式;可視化調(diào)整包括對時間線、聚類標(biāo)簽位置行距及連線的調(diào)整;節(jié)點信息檢索包括參數(shù)修改后更新并查看突發(fā)性探測結(jié)果;聚類結(jié)果包括聚類信息的顯示。

2.3.2 網(wǎng)絡(luò)聚類

Citespace軟件主要利用最大期望算法（Expectation Maximization，EM）對網(wǎng)絡(luò)進行聚類分析。

設(shè)樣本數(shù)據(jù){x1，x2，…，xn}之間相互獨立，單個樣本對應(yīng)的類別zi（i=1，2，…，n）未知，若要確定樣本所屬類別使得p（xi;zi）最大化，樣本的模型參數(shù)為？茲，則似然函數(shù)可表示為：

2.3.3 參數(shù)分析

參數(shù)分析主要包括如何選擇網(wǎng)絡(luò)連接密度、模塊化值和剪影值等。

2.4 結(jié)果分析

綜合所得圖譜結(jié)果對天麻研究進行初步解讀，通過對比網(wǎng)上相應(yīng)的參考文獻(xiàn)判斷結(jié)果進是否滿意。若不符合實際情況，則重新對參數(shù)進行調(diào)整并選擇合適的方法重復(fù)上述步驟;否則，對結(jié)果進行分析和撰寫。

3 實驗結(jié)果分析

citespace軟件可對知網(wǎng)下載的有關(guān)天麻研究文獻(xiàn)的作者、機構(gòu)和關(guān)鍵詞等內(nèi)容進行大數(shù)據(jù)分析。

3.1 數(shù)據(jù)采集與處理

本文在CNKI上下載有關(guān)天麻研究的文獻(xiàn)數(shù)據(jù)，選取主題為“天麻”、其他條件不限進行高級檢索，初步統(tǒng)計有關(guān)天麻研究的文獻(xiàn)共1.17萬篇，刪除重復(fù)、新聞報紙、會議通知、成果等內(nèi)容共得參考文獻(xiàn)10342篇文獻(xiàn)作為本次實驗的基礎(chǔ)數(shù)據(jù)。

本文主要對近20年天麻研究的有關(guān)作者、機構(gòu)和關(guān)鍵詞等內(nèi)容進行知識圖譜可視化分析，通過對不同時間天麻研究熱點的變化，揭示未來天麻領(lǐng)域研究和發(fā)展趨勢。

3.2 文獻(xiàn)基礎(chǔ)分析

不同階段的文獻(xiàn)數(shù)量大體可以反映出天麻研究的關(guān)注度和趨勢。從圖2中可以看出不同年份文獻(xiàn)發(fā)表的數(shù)量，近20年文獻(xiàn)發(fā)表數(shù)量主要呈現(xiàn)為緩慢增長并趨于穩(wěn)定的狀態(tài)。

天麻研究文獻(xiàn)時間段可分為三個階段：

（1）2000—2009年，研究文獻(xiàn)由每年201篇緩慢增長至每年500篇左右。期間有關(guān)天麻的文獻(xiàn)研究以栽培技術(shù)、天麻品種、病蟲害以及臨床試驗等內(nèi)容為主。

（2）2010—2014年，研究文獻(xiàn)緩慢增長至每年600篇左右。期間的文獻(xiàn)研究重點以成分分析、工藝提取和藥物制備等內(nèi)容為主。

（3）2015—2020年，研究文獻(xiàn)一直處于每年700篇上下浮動。期間有關(guān)天麻的文獻(xiàn)研究主要以中醫(yī)臨床療效和數(shù)據(jù)挖掘分析等內(nèi)容為主。

文獻(xiàn)的來源可以直接反映天麻研究的側(cè)重點。如圖3所示，有關(guān)天麻的研究文獻(xiàn)主要發(fā)表在與中醫(yī)藥、臨床試驗和農(nóng)業(yè)相關(guān)的期刊，這與我國對中藥材資源的政策支持相符，也與十九屆四中全會的精神相吻合，天麻產(chǎn)業(yè)的發(fā)展既能促使該藥材更多地進入臨床應(yīng)用，也能推動山區(qū)經(jīng)濟發(fā)展和實現(xiàn)中西藥并重。

3.3 作者與研究機構(gòu)分析

作者是天麻研究的主體，通過圖譜可視化網(wǎng)絡(luò)分析可以了解學(xué)者之間的合作研究關(guān)系。本文通過citespace軟件對有關(guān)天麻研究的文獻(xiàn)作者進行圖譜分析，包括圖譜原圖、MST圖譜和PFNET圖譜。如圖4-圖6所示，圖譜原圖、MST圖譜和PFNET圖譜所獲節(jié)點個數(shù)均為1136個，連線個數(shù)分別為1545、700和1304個，網(wǎng)絡(luò)密度分別為0.0024、0.0011和0.002。

從圖4-圖6中可以看出，經(jīng)過MST算法和PFNET算法處理后的圖譜較原始圖譜會變得更加清晰簡潔，但某些關(guān)聯(lián)性不強的節(jié)點信息會被省略;PFNET算法比MST算法的連線更多，保留了更多的結(jié)構(gòu)信息。由于圖譜的節(jié)點和連線較多，可通過對圖譜進行簡化修剪得到綜合網(wǎng)絡(luò)圖譜。如圖7所示，所得圖譜的連線降低為327個，網(wǎng)絡(luò)密度為0.0005，圖譜的主要關(guān)聯(lián)信息被保留。

發(fā)文數(shù)量可以反映作者對該領(lǐng)域研究的廣度和深度。如表1所示，發(fā)文量多于15篇的共有13人。與圖4-圖7中的圖譜相對應(yīng)，作者之間呈現(xiàn)了一種關(guān)聯(lián)度較強的合作關(guān)系網(wǎng)。例如，王紹柏、劉大會和王曉等作者組成了一個關(guān)聯(lián)性較為緊密的大關(guān)系網(wǎng)，林青和段小花、馮怡和王強等作者組成了關(guān)聯(lián)性較強的小關(guān)系網(wǎng)。作者之間的網(wǎng)絡(luò)節(jié)點關(guān)系呈現(xiàn)為一種“大網(wǎng)為主，小網(wǎng)分散”的結(jié)果。表2給出的是不同時間段作者研究內(nèi)容重點變化，體現(xiàn)了天麻研究的變化趨勢。

機構(gòu)是天麻研究的主要科研平臺，通過對機構(gòu)的圖譜可視化分析可以了解當(dāng)前對天麻研究的主要高校和科研院所。圖8為天麻研究機構(gòu)的知識圖譜原圖，從圖中可以看出山東中醫(yī)藥大學(xué)、云南中醫(yī)學(xué)院和貴陽中醫(yī)學(xué)院等單位為天麻研究的主要機構(gòu)，但機構(gòu)與機構(gòu)之間未能形成關(guān)聯(lián)性較強的圖譜網(wǎng)絡(luò)。圖9為圖譜運行結(jié)果參數(shù)顯示圖，所得連線和網(wǎng)絡(luò)密度均為0，下調(diào)參數(shù)閾值后所得連線也僅為8，體現(xiàn)機構(gòu)與機構(gòu)之間的合作關(guān)系強度不夠明顯。

圖10為近20年來天麻研究主要機構(gòu)的時間段列表。從圖中可以發(fā)現(xiàn)2009年之前中南大學(xué)湘雅醫(yī)院中西醫(yī)結(jié)合研究所、廣西中醫(yī)學(xué)院和上海中醫(yī)藥大學(xué)是重點突出研究天麻的研究所和高校，2010年到2015年之間天麻研究較為突出的為山東中醫(yī)藥大學(xué)、貴州中醫(yī)學(xué)院等高校院所，近三年來對天麻研究較為突出的是銅仁學(xué)院材料與化學(xué)工程。

3.4 關(guān)鍵詞與熱點分析

3.4.1 關(guān)鍵詞共現(xiàn)分析

關(guān)鍵詞是論文信息展示的核心內(nèi)容，也是對整篇研究論文的濃縮提煉，通過對關(guān)鍵詞的共現(xiàn)分析可提煉出有關(guān)天麻研究的熱點和趨勢。Citespace軟件通過對論文關(guān)鍵詞進行處理可實現(xiàn)共現(xiàn)知識圖譜，如圖11所示，利用MST算法得到的關(guān)鍵詞共現(xiàn)圖譜共有節(jié)點663個、連線1474個，網(wǎng)絡(luò)密度為0.0067。

由于文獻(xiàn)較多，得到的圖譜過于龐大和混亂，可通過簡化裁剪得到綜合網(wǎng)絡(luò)圖譜。如圖12所示，MST算法簡化裁剪后的綜合圖譜節(jié)點不變，連線為330個、網(wǎng)絡(luò)密度降低為0.0025，圖譜可觀性得到了極大的改善。圖12可以展示有關(guān)天麻研究的主要關(guān)鍵詞，其中天麻素、臨床療效和色譜法等是天麻研究的主要關(guān)鍵詞，關(guān)鍵詞主要與天麻品種、成分分析、提取工藝、臨床療效和數(shù)據(jù)挖掘等內(nèi)容有關(guān)。比如：天麻的品種主要分為紅天麻、烏天麻和黃天麻等;天麻中所含的天麻素具有鎮(zhèn)靜、安眠和鎮(zhèn)痛等作用;液相色譜法可通過測定天麻中的天麻素含量對天麻品質(zhì)進行評測等。

3.4.2 關(guān)鍵詞聚類分析

關(guān)鍵詞聚類時間線圖可用于分析天麻研究的時間階段熱點變化趨勢。如圖13所示，有關(guān)天麻研究的聚類共有11類，通過對關(guān)鍵詞進行合并可將聚類主要重新劃分為“天麻制劑、天麻品種、天麻成分、臨床研究、臨床治療方法和數(shù)據(jù)挖掘”6大類別。下面著重分析6大聚類結(jié)果。

（1）#0半夏白術(shù)天麻湯。主要內(nèi)容有天麻鉤藤飲、龍膽瀉肝湯、通竅活血湯等。包括天麻素可用于制備臨床藥物治療偏頭痛等相應(yīng)疾病癥狀等。聚類#2所含內(nèi)容和作用于聚類#0類似。

（2）#1天麻種子。主要內(nèi)容有野生天麻、中藥材、栽培技術(shù)、臨床療效、生產(chǎn)技術(shù)等。該類別主要包含天麻品種、種植栽培、天麻應(yīng)用和種植產(chǎn)量等幾大類。該聚類包括天麻品種的比較、種植栽培技術(shù)的研究、藥物臨床療效的介紹和產(chǎn)量的評估等。

（3）#3天麻素。主要內(nèi)容有高效液相色譜法、含量測定、薄層色譜法、指紋圖譜、提取工藝等。由于天麻素可用于制備臨床藥物、治療偏頭痛等相應(yīng)疾病癥狀等。該類別是關(guān)鍵詞種類最多的一類，該聚類主要包含天麻素的應(yīng)用、天麻素提取的工藝、天麻素含量測定和主要成分分析等內(nèi)容。

（4）#5臨床研究。主要內(nèi)容有偏頭痛、腦供血不足、治療組等內(nèi)容。該類別主要是對臨床上的疾病進行用藥研究，總結(jié)用藥規(guī)律。

（5）#6 h型高血壓。主要內(nèi)容有天麻鉤藤飲/治療應(yīng)用、腦梗塞/中西醫(yī)結(jié)合療法、偏頭痛/中醫(yī)藥療法等內(nèi)容。包括天麻在中醫(yī)臨床上的治療應(yīng)用方法、中西醫(yī)結(jié)合療法等。

（6）#7數(shù)據(jù)挖掘。主要內(nèi)容有用藥規(guī)律、關(guān)聯(lián)分析、聚類分析等。包括天麻在臨床上的數(shù)據(jù)挖掘研究、藥理分析等。

3.4.3 熱點分析

熱點可以反映一段時間內(nèi)高校和研究所對天麻研究的趨勢變化。圖14為天麻研究的關(guān)鍵詞熱點分析可視化圖，共選取26個具有代表性較強的關(guān)鍵詞，強度在9.44～39.13之間，時間范圍為2000-2021年。

從圖14中可以看出天麻研究的時間跨度長、熱度強，有關(guān)天麻研究的熱點較多和強度較大，雖然選取的熱點數(shù)量只有26個，但從側(cè)面可以看出天麻研究領(lǐng)域發(fā)展過程，至今天麻仍是科研院所關(guān)注和研究的熱點內(nèi)容。首先，天麻的研究從天麻的品種分類和栽培種植等內(nèi)容進行研究，體現(xiàn)了最初關(guān)注的重點是天麻的品種優(yōu)選和種植技術(shù)的優(yōu)化;其次利用相色譜法的技術(shù)對天麻的成分進行鑒別、將天麻制作成藥物應(yīng)用于臨床藥用;最后對其臨床療效進行數(shù)據(jù)挖掘，不斷抽取臨床數(shù)據(jù)研究對各種癥狀的影響和效果。

4 總結(jié)和展望

本文通過citespace軟件對CNKI上有關(guān)天麻的參考文獻(xiàn)進行大數(shù)據(jù)可視化分析，構(gòu)建了有關(guān)作者、機構(gòu)和關(guān)鍵詞的圖譜用于分析，有關(guān)天麻的研究趨于成熟化并開始逐漸轉(zhuǎn)向智能化和專業(yè)化。作者和機構(gòu)的圖譜分析可以發(fā)現(xiàn)當(dāng)前作者合作的關(guān)系較為密切，但機構(gòu)之間的合作緊密性不強。通過關(guān)鍵詞熱點聚類分析可以發(fā)現(xiàn)天麻研究的發(fā)展動向，分別從天麻的鑒定方法、成分提取與作用、品種分類、數(shù)據(jù)挖掘和中醫(yī)治療法等聚類部分可以較好地看出天麻研究的重點和發(fā)展方向。

十九屆四中全會《決定》中指出，堅持中西醫(yī)并重對提升醫(yī)療水平具有重要的作用，天麻作為一種重要的中藥材資源在未來的研究中將會受到高校、研究所和政府部門的進一步關(guān)注，并逐漸向智能化、產(chǎn)業(yè)化和臨床應(yīng)用的方向發(fā)展。

參考文獻(xiàn)：

〔1〕中共中央關(guān)于堅持和完善中國特色社會主義制度 推進國家治理體系和治理能力現(xiàn)代化若干重大問題的決定[N].人民日報，2019-11-06（001）.

〔2〕王明輝，陳展鵬，熊飛，等.湖北省大別山區(qū)中藥材資源及產(chǎn)業(yè)發(fā)展現(xiàn)狀[J].湖北農(nóng)業(yè)科學(xué)，2019，58（12）：99-101+115.

〔3〕李慧，俞力暢，陸永強，等.中醫(yī)藥地方立法現(xiàn)狀及立法建議[J].中草藥，2020，51（21）：5664-5668.

〔4〕中共中央國務(wù)院關(guān)于促進中醫(yī)藥傳承創(chuàng)新發(fā)展的意見[N].人民日報，2019-10-27（001）.

〔5〕孟醒，熊興江.初發(fā)高血壓病、青年高血壓病的中醫(yī)認(rèn)識及天麻鉤藤飲的臨床治療體會[J].中國中藥雜志，2020，45（12）：2752-2759.

〔6〕劉云霞，狄永國，仇全雷，等.基于轉(zhuǎn)錄組測序初步揭示天麻生長代謝的分子機制[J].中草藥，2021， 52（03）：827-837.

〔7〕林昕，王麗，邵金良，等.不同產(chǎn)區(qū)天麻HPLC指紋圖譜研究[J].中國現(xiàn)代應(yīng)用藥學(xué)，2020，37（13）：1543-1549.

〔8〕張雙奇，劉琳，何念武，等.超聲輔助提取陜產(chǎn)天麻多糖的工藝優(yōu)化及抗氧化活性研究[J].中國農(nóng)學(xué)通報，2021，37（09）：131-136.

〔9〕申寒梅.ZT金控公司天麻產(chǎn)業(yè)產(chǎn)融結(jié)合業(yè)務(wù)方案優(yōu)化研究[D].云南大學(xué)，2019.

〔10〕黎光富，李剛鳳，史榮榮.天麻多糖化學(xué)成分與藥理作用研究綜述[J].現(xiàn)代農(nóng)業(yè)科技，2016，43（07）：289-290+292.

〔11〕喬媛媛，于晴，金鵬等.基于知識圖譜的生態(tài)承載力研究熱點和趨勢展望[J].赤峰學(xué)院學(xué)報（自然科學(xué)版），2020，36（07）：10-15.

〔12〕薛慧.天麻若干保健功能的研究進展（綜述）[J].食藥用菌，2015，23（02）：92-94.

〔13〕侯夢薇，衛(wèi)榮，陸亮等.知識圖譜研究綜述及其在醫(yī)療領(lǐng)域的應(yīng)用[J].計算機研究與發(fā)展，2018， 55（12）：2587-2599.

〔14〕P. Chen， Y. Lu， V. W. Zheng， et al， "KnowEdu： A System to Construct Knowledge Graph for Education，" in IEEE Access， vol. 6， pp. 31553-31563， 2018.

〔15〕涂濤，張煜明.基于知識圖譜和共詞分析的“互聯(lián)網(wǎng)+教育”研究評述[J].西南大學(xué)學(xué)報（自然科學(xué)版），2021，43（01）：1-11.

〔16〕何雪，李威，劉克.2000—2020年我國鎘吸附-解吸的文獻(xiàn)計量研究——基于CiteSpace的計量分析[J].安徽農(nóng)業(yè)科學(xué)，2021，49（08）：240-245.

〔17〕向軍毅，胡慧君，劉宇，等.COVID-19物資知識圖譜的構(gòu)建[J].武漢大學(xué)學(xué)報（理學(xué)版），2020，66（05）：409-417.

〔18〕Tong Yu， Jinghua Li， Qi， et al. Knowledge graph for TCM health preservation： Design， construction， and applications[J]. Artificial Intelligence In Medicine， 2017，77.

〔19〕侯麗，高陽，劉路路.我國農(nóng)田重金屬污染生態(tài)補償研究現(xiàn)狀與展望——基于CiteSpace知識圖譜分析[J].中國農(nóng)業(yè)大學(xué)學(xué)報，2020，25（08）：132-143.

〔20〕李杰，陳超美.Citespace：科技文本挖掘及可視化[M].北京：首都經(jīng)濟貿(mào)易大學(xué)出版社，2017.53-64.