processing-network-data

# 网络数据处理技能 (Network Data Processing) ## 概述 专门用于社会网络研究的数据收集和预处理，将原始关系数据转换为标准化的网络分析格式。该技能帮助研究者从问卷、访谈、观察或数字记录中提取关系数据，构建标准化的网络矩阵。 ## 使用时机 当用户请求以下处理时使用此技能： - 处理来自各种来源的社会网络数据 - 将关系数据转换为网络格式 - 清洗和验证网络数据 - 构建邻接矩阵或边列表 - 整合多个数据源到网络格式 - 为网络分析准备数据 - 处理多重或多元网络数据 - 将调查或访谈数据转换为网络格式 ## 快速开始 当用户请求网络数据处理时： 1. **识别**数据源类型（调查、访谈、观察、数字痕迹） 2. **提取**原始数据中的关系信息 3. **清洗**并验证提取的关系 4. **格式化**为标准网络表示 5. **验证**网络数据质量和完整性 ## 核心流程 ### 第一阶段：数据源识别 - 识别数据源类型（问卷、访谈、观察、数字痕迹） - 评估数据结构和组织方式 - 确定适当的处理管道 - 识别潜在的数据质量问题 - 制定提取策略 ### 第二阶段：关系数据提取 - 从问卷数据中提取关系 - 从访谈记录中解析关系 - 从观察记录中编码关系 - 从数字痕迹中挖掘关系 - 处理多种关系类型 ### 第三阶段：数据清洗和验证 - 识别并处理缺失值 - 检测并解决数据不一致 - 验证关系数据准确性 - 标准化数据格式和表示 - 检查数据完整性 ### 第四阶段：网络矩阵构建 - 创建带有适当标识符的节点列表 - 构建邻接矩阵（二元、加权、有向） - 处理不同网络类型（单模、多模） - 处理节点和边属性 - 创建标准化网络格式 ### 第五阶段：属性整合 - 整合节点属性（人口统计、特征） - 处理边属性（强度、类型、持续时间） - 为动态网络处理时间属性 - 验证属性数据一致性 - 将属性映射到网络结构 ### 第六阶段：质量保证 - 验证网络数据完整性 - 检查数据准确性和一致性 - 评估数据收集中的潜在偏差 - 验证网络构建程序 - 记录数据处理决策 ### 第七阶段：输出生成 - 生成标准化网络数据文件 - 创建数据质量报告 - 生成网络统计和指标 - 记录处理程序 - 提供分析建议 ## 输出格式 ```json { "summary": { "nodes_count": 50, "edges_count": 120, "data_sources": ["survey", "interview"], "network_type": "weighted-directed", "completeness_score": 0.85 }, "details": { "nodes": [...], "edges": [...], "attributes": {...}, "quality_report": {...} }, "metadata": { "timestamp": "2025-12-21T10:30:00", "version": "1.0.0" } } ``` ## 质量标准 - 应用系统化数据处理程序 - 在整个处理过程中维护数据完整性 - 验证关系提取的准确性 - 记录所有处理步骤和决策 - 考虑中国网络数据的文化背景 ## 深入学习 - 社会网络数据处理文献 - 数据清洗和验证指南 - 中国语境下的网络数据处理示例 - 网络数据处理软件工具 ## 完成标志 完成高质量的网络数据处理应包括： 1. 生成标准化网络数据文件 2. 创建数据质量评估报告 3. 生成关系提取文档 4. 提供网络统计和基本指标 5. 记录处理程序文档 --- *此技能为中文社会科学网络研究提供全面的数据处理支持，确保从原始数据到标准化网络文件的准确转换。*