| name | network-computation |
| description | 社会网络计算分析工具,提供网络构建、中心性测量、社区检测、网络可视化等完整的网络分析支持 |
| version | 1.0.0 |
| author | chinese-social-sciences-subagents |
| tags | ["network-analysis","social-networks","centrality","community-detection","visualization"] |
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:
- 网络构建: 从各种数据源构建网络对象
- 基础分析: 计算网络基本统计和特征
- 中心性分析: 识别网络中的关键节点
- 社区检测: 发现和分析网络社区结构
- 高级分析: 进行结构洞、小世界等高级分析
- 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。