实战二十三：基于社团角色的数据分析实战可视化 完整代码数据 可直接运行

# 项目介绍：
本文主要通过构建音乐家网络，之后进行社团挖掘与节点分析得到的音乐家角色分析。首先，本文针对难以对音乐家进行角色分析的问题，基于公开数据集与多种距离与权重计算方法分别构建了音乐家影响网络与音乐家相似性网络，并对网络进行拓扑分析。之后，使用多种社团检测方法，如Girvan-Newman算法，Louvain算法，标签传播算法等算法进行社团挖掘，分析检测出音乐家相似性网络中的社团，随后确认社团检测的有效性。为了对音乐家进行角色分析，将来自药学领域的社团优先级排序指标CRank应用在社团检测后的音乐家网络中，筛选出了关键社团。最后，通过来自医学领域中的网络中节点类型分析的算法分析了社团中音乐家的角色与代表性，通过与音乐家影响网络的对比、结合已知现实音乐家信息，验证了音乐家角色分析的合理性，得到音乐家角色分析结果，并依此展望音乐家角色分析的应用。

结果显示：