القائمة
执行社会网络计算分析，包括网络构建、基础指标计算、社区检测、网络可视化和高级网络分析。当需要进行复杂的社会网络分析、构建网络模型或计算网络统计指标时使用此技能。
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
استنادا إلى تصنيف SOC المهني
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/ptreezh/sscisubagent-skills --skill performing-network-computationيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
عرض SKILL.md
| name | performing-network-computation |
| description | 执行社会网络计算分析，包括网络构建、基础指标计算、社区检测、网络可视化和高级网络分析。当需要进行复杂的社会网络分析、构建网络模型或计算网络统计指标时使用此技能。 |
为中文社会科学研究提供全面的社会网络计算分析支持，从网络构建到高级分析的全流程技术实现。
当用户提到以下需求时，使用此技能：
识别数据格式
网络参数设置
网络构建
网络规模统计
# 基础网络指标
num_nodes = G.number_of_nodes()
num_edges = G.number_of_edges()
density = nx.density(G)
# 连通性分析
is_connected = nx.is_connected(G)
components = list(nx.connected_components(G))
largest_cc = max(components, key=len)
路径和距离分析
# 路径统计
avg_shortest_path = nx.average_shortest_path_length(G)
diameter = nx.diameter(G)
radius = nx.radius(G)
# 聚类系数
clustering = nx.clustering(G)
avg_clustering = nx.average_clustering(G)
经典中心性指标
# 四种基本中心性
degree_centrality = nx.degree_centrality(G)
betweenness_centrality = nx.betweenness_centrality(G)
closeness_centrality = nx.closeness_centrality(G)
eigenvector_centrality = nx.eigenvector_centrality(G)
高级中心性指标
# Katz 中心性和 PageRank
katz_centrality = nx.katz_centrality(G)
pagerank = nx.pagerank(G)
# HITS 算法
hubs, authorities = nx.hits(G)
模块度优化
# Louvain 社区检测
import community
partition = community.best_partition(G)
modularity = community.modularity(partition, G)
多种方法对比
# 标签传播算法
communities = nx.algorithms.community.label_propagation_communities(G)
# 层次聚类
dendrogram = nx.algorithms.community.girvan_newman(G)
网络可视化
# 基础可视化
plt.figure(figsize=(12, 8))
pos = nx.spring_layout(G)
nx.draw(G, pos, with_labels=True, node_color=colors,
node_size=sizes, font_size=8)
统计报告生成
问题：网络规模过大导致计算缓慢
问题：社区检测结果不稳定
问题：中心性指标解释困难
问题：可视化效果不佳
高质量的网络计算分析应该：
此技能为中文社会科学研究提供全面的网络计算支持，从数据处理到高级分析的技术实现，确保研究的科学性和严谨性。