大部分情况下，你找到一个想法，一个问题。只要一搜索，就会发现相关文献如长江之水滚滚而来。把全部文献都看一遍，基本上是不可能的。即便把存量看完，数量更多的增量文献又涌了出来。你很快会陷入深度抑郁。正如《庄子·内篇·养生主》里说：

吾生也有涯，而知也无涯。以有涯随无涯，殆已！

你的时间和注意力是有限而珍贵的。因此你必须对文献歧视对待，选择重点文献来阅读。大部分文献都会被你丢弃不读或者只是扫读(skimming)，你大可不必为此羞愧甚至自责。

哪些文献是重点文献呢？这个问题你必须学会自己解决。而不能坐在那里等着老师喂给你标准答案。

学术期刊、会议和大部头著作构成的知识大网，跟你熟悉的网络论坛没有什么实质区别。

常见的做法是去找那些精华帖和热帖先来看。精华帖很重要，因为其质量被高度评价、而且推荐。热帖未必质量好，可能只是当下人们关心的某个话题；或者作者的某些提法极富争议，因而吸引眼球。更常见的，只是纯粹的“标题党”而已。

然而学术文献里哪篇是精华？你就很难直接看标签来识别了。怎么办呢？最简单的办法是把文献之间的关系可视化。

这样，你就可以看见哪一个主题（文献）下面回复（引用文献）的人更多，或者帖子的主题（文献聚类）有哪些。

有了这些线索，你就可以在浩如烟海的检索结果里锁定那些重点文献了。

这个工作，当然可以手动来做。拥有方便的计算机辅助工具之前，这可能也是不得已的唯一办法。

但是，现在如果你还去手绘，效率就太低了。文献可视化工具有很多。从功能和易用性综合权衡，推荐VOSviewer。

官网：http://www.vosviewer.com/

CiteSpace是由美国德雷塞尔大学陈超美教授基于java平台开发的文献可视化分析系统。目的在于为学者和任何对科学知识前沿的发展感兴趣的人们提供一个自己动手时所需要的工具。

CiteSpace利用学术领域里专家学者们在他们论文中对学术文献所做的选择来作为我们自己鉴别学术文献潜力的基础。可以分析某一专题的“研究前沿”以及“研究基础”，并来分析领域研究的动态演化过程。

CiteSpace的突出特征在于把一个知识领域浩如烟海的文献数据，以一种多元、分时、动态的引文分析可视化语言，通过巧妙的空间布局，将该领域来龙去脉的演进历程集中展现在一幅引文网络的知识图谱上；并把图谱上作为知识基础的引文节点文献和共引聚类所表征的研究前沿自动标识出来，显示出图谱本身的可解读性。

具体使用教程如下：

第一步，需要采集感兴趣的全部文献。采集某个领域文献的时候，应该找一个合适的入口。其中储存的文献信息不仅要全面，而且文献间的引用关系也得完整保留。下面两个是小编在网上找的教程，怎么操作讲的很详细了。可以对照着学习。

（1）Web of Science数据采集分析入门

（2）VOSviewer主题分析的基本操作

视频来自：科学知识图谱学习社区

常见的入口包括Scopus和Web of Science。注意这两个平台都有访问权限控制和单次下载文献信息的最大数量。请使用校园网IP地址登录操作，根据需要下载文献信息，并存储为合适的格式。为了VOSviewer可以正确打开，请选择用TAB分割的文本方式，文献记录要包含全部字段和引用信息。

然后你就可以在VOSviewer中进行分析了。例如你可以选择生成术语地图(term map)。不同主题的文献会自动聚类，用不同颜色表示类别，文献之间的关联一目了然。

有的主题词汇比其他的词汇更大，这表示了相关文献数量的多寡。一下子，你就能找到在你关心的“论坛”里面，哪些主题是人们更感兴趣的。

你可以放大细节，了解某一个主题内部具体术语之间的关联，以把握更为细致的脉络。

主题只是文献多种描述标记中的一种而已。因为在采集数据阶段，我们保存了全部的元数据。因此，你可以分析更多自己感兴趣的角度。

假如你关注期刊的联系，那么不妨采用共引(co-citation)关系来看期刊之间的关联网络。

不同领域的期刊采用不同颜色标记。你会清楚看到不同领域期刊之间是如何发生联系的。

如果你的观察角度更为宏观，还可以用作者们所在国家作为节点，看不同国家作者间的合作关系。

这张图很明显告诉我们，当今的科研活动早已不是闭门造车、独立发展了。与国际学术界的协作关系越紧密，获益就越多。看看那些大节点的位置和链接数量便一目了然。

（来源：玉树芝兰 作者：王树义）