本文以CiteSpace软件做的文献共被引图谱为例，进行文献共被引图谱含义详细解析。
回顾上几次推文：
CiteSpace最最强大的功能当属于共被引分析啦！
今天就讲解一下什么是文献共被引。
首先看一下文献共被引的概念。
1973年, 美国情报学家Small首次提出了文献共被引 ( Co-citation) 的概念, 作为测度文献间关系程度的一种研究方法。与Small在同一时间提出该理念的还有苏联情报学家Marshakova。
文献共被引：两篇（或多篇论文）同时被后来一篇或多篇论文所引证，则称这两篇论文构成共被引关系。
【如：A文献同时引用了C和D文献，此时C和D文献是共被引关系。同时引用这两篇文献的文献篇数叫共被引强度，此例共被引强度为1，因为只有文献A同时引用了C和D；
再如：如果A和B文献同时引用了C、D、E文献，此时C、D、E文献是共被引关系，共被引强度为2】。文献的共被引关系会随时间的变化而变化，通过文献共被引网络研究可以探究某一学科的发展和演进动态。
看懂了概念是不是感觉所谓的共被引分析原来如此简单？
简单地说，文献共被引就是和关键词共现一个意思，只不过因为分析对象的变化，叫法变了而已，以后这个问题还会经常遇到。
下边看一下CiteSpace做出来的文献共被引图谱。
理解方法类似于关键词共现分析，详情看一下下文，本文简单介绍一下文献共被引网络。
首先，我们将上边的网络当做一个普通的网络图，直观上从图中我们无非只能看到节点、边、以及节点和边之间的连线，别的东西就看不出来了。
所以，其实类似这种网络图所能反映的信息还是非常少的。
基于仅有的信息，我们能够从上图中得到什么有价值的信息呢？
首先，我们可以得到哪篇文章属于高被引论文，从图中可以得到，杨鹤林（2011）这篇文章是一篇非常重要的论文，因为他的被引频次最高，说明其在该领域内具有重要影响，其余论文依此类似分析。
其次，从图中我们还可以看到哪些文献联系比较紧密。联系紧密的含义在于这些文献经常被施引文献一起引用，也就是说这些文献经常一起出现在后来发表的多篇文献中。
既然他们一起出现了，那就传达着一个重要信息，即这些共同被引用的文献一定在内容上具有相似性。因为你不可能写一篇论文一会引用化学领域的文章，一会应用数学领域的文章。
因此，经常共同出现在参考文献中的文章他们的共被引强大就会变大，共被引强大越大说明两者在内容上越相似，在途中他们的联系越紧密。
基于此，便可以进行聚类分析啦。
利用CiteSpace聚类功能进行文献共被引的聚类分析，挖掘相似文献的共同主题。这才是文献共被引的意义所在！
下一节课继续讲解文献共被引的聚类分析图谱含义。
另外，再看一下网络的一些指标：
图中显示了网络的边数、节点数、网络密度。
左边的表格显示了共被引强度、中介中心性、首次被引年份、被引文章的详细信息。
如有错误请指正！如需转载请联系本文作者，微信：w2013305084
需要课程请点击《【理论+实战】全面深度讲解CiteSpace，解决使用过程中的各种难题，以CSSCI数据库为例。》
公众号首界面【公开课】栏目下还有其他关于citespace的课程哦。
更多精品教程：
各软件与编程视频教程：在微信公众号 首界面“公开课”栏目下
更多精品文章：
长按二维码，关注[学术点滴]获取更多资讯。
网友评论