摘要：虚拟现实是近些年的研究热点，本文利用VOSviewer可视化工具，对2011-2020来源于中国知网CSCD的期刊中有关虚拟现实方面的文献进行筛选整理，并进行深入挖掘与分析。通过导入数据，获得可视化图谱，分析探讨虚拟现实及其相关研究的热点主题、作者和脉络联系，为虚拟现实方面相关研究提供参考借鉴。
关键词：虚拟现实;VOSviewe;共词;可视化图谱
中图分类号：TP391 文献标识码： A
文章编号：1009-3044（2021）14-0166-03
虚拟现实技术是20世纪发展起来的一项全新的实用技术。虚拟现实技术包括计算机、电子信息、仿真技术于一体，是一种可以创建和体验虚拟世界的计算机仿真系统，可以模拟虚拟环境从而给人以环境沉浸感。目前，虚拟现实技术已经在系统仿真、三维动画、科学可视化等领域被广泛地应用[1]。
1 文献来源与研究工具
本文的数据来源于中国知网的CSCD期刊，通过高级检索，把2011—2020 年有关虚拟现实主题相关的期刊文献进行筛选，转换格式后将数据导入VOSviewer软件，进行可视化分析;其目的在于分析虚拟现实领域的相关研究热点、把握研究方向、分析和探讨以后的发展趋势，为研究者在该领域的研究提供借鉴。
2010年荷兰莱顿大学的CWTS研究中心的研究人员Van Eck和Waltman开发出了一款文献分析和知识可视化软件—VOSviewer，该软件的原理是通过文献的共引与共被引来实现，基于构图与聚类技术，对分析的有效数据构建知识图谱[2]。因此，VOSviewer广泛地应用于知识图谱分析领域。
VOSviewer软件对于来源于中国知网里的数据，常应用于分析关键词共现、作者共现等，包含三种可视化视图包括：聚类视图（Network Visualization）、标签视图（Overlay Visualization）、密度视图（Density Visualization）[3]。通过VOSviewer软件构建知识图谱，有助于科研工作者快速知晓研究领域的热点主题、理论和技术，是深入挖掘各领域研究热点的一种方法。
2 研究方法
本文的数据来源于中国知网（CNKI）数据库，选取CNKI数据库中有关虚拟现实的中文期刊文献作为研究数据。在CNKI中选择设置“高级检索”，检索条件为中文期刊检索，主题=虚拟现实or VR，期刊来源=CSCD，时间跨度=2011-2020。共检索出文件1318篇（检索时间为2021年1月25日）。通过人工筛选，排除会议报道、会议通知、期刊征稿启事、重复文献等非研究型文献，共获得有效的期刊文献1067篇。因此，本文以这1067篇中文期刊文献作为研究数据，从CNKI数据库导出，并进行相应的格式转换。
3 图谱分析
在获得了有效的期刊文献1067篇的数据后，使用VOSviewer软件导入数据，
可以获得图谱，然后进行图谱分析。
3.1 研究合作者的图谱分析
打开VOSviewer软件，根据数据来源和格式，选择创建Create a map，将文献数据导入到VOSviewer软件中，可以对文献合着者、关键词共现等进行图谱分析。选择Co-authorship作者字段，共有作者3435位，调整作者最小发文数量的阈值，本文设置为3，满足条件的作者有162位。获取到每位作者与其他共同作者的总链接强度，本文选取了总链接强度在前18位的作者（见表1）。
满足条件的作者有162位，但其中有些合作者的总链接强度为0，即没有相互链接，我们去除合作者的总链接强度为0的选项，余下133项有相互链接的选项。从绘制成的图谱中来看，items聚类共有133条20个聚类。在Analysis中，对参数进行设置，优化项目聚类：Repulsion设置值为-1，Attraction设置值为6，Resolution设置值为0.2，Min.cluster size设置值为5，得到作者共现聚类视图（见图1），由图1可知，形成了以刘玉庆、王学文、周敬安、王守森、梁明、肖湘、杨军、何桃为代表的8个聚类;另外，还可以得到作者共现密度视图（见图2），图中高亮度部分为合作数量多、链接强度大的作者[4]。
3.2 关键词分析
文章的研究主旨和重点，通常在关键词字段上就可以体现出来。通过关键词聚类分析法，对获得的1067篇的文献数据进行关键词热度分析，将这些文献中全部的关键词组成为一个个的聚类，研究者通过查看可视化的界面，就可以对该领域研究的热点与重点有直观的、宏观的把握[5]。
3.2.1 高频关键词分析
将文献数据导入到VOSviewer软件中，选择Co-occurrence关键词字段，共有2854个关键词，选择关键词最少出现频次为4，满足条件的关键词为118个，去除虚拟现实这个高频关键词，获得出现频次前10位关键词见表2。从表2中可以看出“虚拟现实技术”“人机交互”“增强现实”“仿真”等主题词是虚拟现实领域的研究热点领域;另外，“脑卒中”“康复”的高频出现，说明虚拟现实在医学领域研究的也较多。
3.2.2 关键词共现分析
在Analysis中，对参数进行调整，优化项目聚类：Attraction值调整为4，Resolution值调整为1，Min.cluster size值调整为6，Repulsion值调整为0，得到关键词共现聚类视图（见图3），形成了10个Clusters。从图可以看到，在图中有非常多的圆圈，即节点，在节点上还有关键词，他们共同代表一个元素。若节点与关键词字体越大，说明这个元素越重要，权重越大，其研究越热门。元素有不同的颜色，代表不同的类别。若元素与周边连线越密集，说明与其他元素的关联程度越高;反之，关联程度越低[6]。
由图3可知，“虚拟现实技术”“增强现实”“人机交互”“virtools”“脑卒中”“康复”等关键词是图谱中联系比较密切的区域，这些关键词代表虚拟现实领域的研究热点及重点研究领域。从密度视图中（见图4），能更清晰地分辨出热点研究领域。
同样，可以获得关键词共现标签视图（见图5），从图 5可以看到，聚类图的颜色，随着时间的推移，发生了明显变化。发展早期，聚类显示为紫色;发展中期，聚类显示为绿色;发展后期，聚类显示为黄色。其中，2011-2014年主要以“仿真”“vrml”“虚拟现实建模语言”“virtools”“三位可视化”、等关键词为该领域的热点研究方向;2014-2016年主要以“脑卒中”“虚拟现实技术”“仿真平台”“人机交互”“康复”等关键词为该领域的热点研究方向;2016-2020年主要以“康复训练”“增强现实”“虚拟仿真”“虚拟地理环境”等关键词为该领域的热点研究方向。
4总结
本文利用VOSviewer可视化工具，对2011-2020来源于中国知网CSCD的期刊中以虚拟现实为主题的期刊，使用VOSviewer软件获得了相关的图谱并进行探讨分析，直观地展现了近十年虚拟现实研究人员及其关注的领域，为研究人员获取该领域的热点研究方向及相关信息提供参考借鉴。另外，可以将此方法应用到更多更广阔的研究领域之中，挖掘研究领域的热门主题，提高科研效率。
参考文献：
[1] 罗超.职业教育中运用VR技术的SWOT分析[J].电子技术与软件工程，2016（20）：175-176.
[2] 高凯.文献计量分析软件VOSviewer的应用研究[J].科技情报开发与经济，2015，25（12）：95-98.
[3] 刘桂锋，李杰.国外科研数据管理研究进展基于CiteSpace和VOSviewer的可视化分析[J].图书情报研究，2016（4）：9-23.
[4] 吉丽君.基于VOSviewer的2016—2018年国内外信息素养热点分析[J].当代图书馆，2019（3）：23-28.
[5] 刘金花，崔金梅.基于VOSviewer的领域性热门研究主题挖掘[J].情报探索，2016（2）：13-16.
[6] 吴亚乐，刘希瑞.国内语音科学研究的知识图谱分析——基于CiteSpace和VOSviewer的综合应用[J].郑州轻工业学院学报（社会科学版），2020，21（5）：93-102.
【通联编辑：梁书】
