network-computation

# Network Computation Skill for Social Sciences ## 技能概述 社会网络计算分析技能为社会科学研究提供全面的网络分析支持，包括网络构建、中心性测量、社区检测、网络可视化等，帮助研究者理解社会关系结构和网络动态。 ## 核心功能 ### 1. 网络构建与基础分析 - **数据格式支持**: 边列表、邻接矩阵、数据框转换 - **网络类型**: 有向/无向、加权/无权网络 - **基础统计**: 节点数、边数、密度、连通性 - **度分布**: 度统计、度分布分析、度相关性 ### 2. 中心性分析 - **度中心性**: 节点度数、标准化度中心性 - **介数中心性**: 最短路径介数、边介数中心性 - **接近中心性**: 距离中心性、加权接近中心性 - **特征向量中心性**: PageRank、Katz中心性、权威度 ### 3. 社区检测与分析 - **社区发现**: Louvain、Girvan-Newman、标签传播 - **社区质量**: 模块度、社区大小、社区密度 - **社区结构**: 内部连接、外部连接、桥梁节点 - **动态社区**: 时间演化社区、社区稳定性 ### 4. 高级网络分析 - **结构洞**: 约束系数、有效规模、经纪得分 - **小世界网络**: 聚类系数、平均路径长度、小世界系数 - **网络韧性**: 节点移除影响、边移除影响、脆弱性分析 - **网络模体**: 三角模体、网络基元分析 ### 5. 网络可视化 - **布局算法**: Spring、Circular、Kamada-Kawai布局 - **网络图表**: 节点大小、颜色编码、边权重可视化 - **社区可视化**: 社区着色、社区边界、交互式图表 - **动态可视化**: 网络演化、时序网络、多层网络 ## 使用方法 当您需要进行社会网络分析时，我会： 1. **网络构建**: 从各种数据源构建网络对象 2. **基础分析**: 计算网络基本统计和特征 3. **中心性分析**: 识别网络中的关键节点 4. **社区检测**: 发现和分析网络社区结构 5. **高级分析**: 进行结构洞、小世界等高级分析 6. **可视化**: 创建专业的网络可视化图表 ## 支持的分析方法 - 各种中心性指标计算和比较 - 多种社区检测算法 - 网络统计检验和随机网络比较 - 网络动态模拟和预测 - 多层网络和时序网络分析 ## 质量保证 - 遵循网络分析最佳实践 - 提供统计显著性检验 - 进行网络稳健性分析 - 验证分析假设条件 - 提供可重现的分析代码 ## 输出格式 - 完整的网络分析报告 - 标准化的网络统计表格 - 出版质量的网络可视化 - 网络指标对比分析 - 可重现的Python/R代码 当您提到社会网络、关系分析、网络结构、社区发现等相关需求时，此技能会自动激活。