网络(networks)是对事物之间关系的一种经典的表达,利用网络可以深入直接地认识世界中的关联。社交网络、交易网络、知识图谱、交通运输、生物技术等都是网络数据的典型应用。其中,社交网络是一种经典的网络,刻画了人之间的社交关系,也体现出一定的社会学理论。网络分析(Network Analysis)聚焦于在图数据中分析实体间的关系强度和方向,从而发现洞察、辅助决策。
EasyGraph是复旦大学网络大数据实验室开发的一款基于Python语言的网络分析开源工具箱。相比于现有的网络分析开源工具如igraph和NetworkX等,EasyGraph拥有多方面的优势。其主要特色如下:
- 支持社团检测、中心度、联通子图、聚集系数等经典网络算法
- 利用混合编程和并行计算技术提高了运行效率,具有比已有工具更好的性能
- 基于社会学的结构洞理论,针对社交网络分析,提供了全面的结构洞占据者探测方法(更多了解结构洞理论:link)
- 支持DeepWalk、node2vec、LINE、SDNE等图嵌入算法
- 提供复杂网络的可视化方法集
- 内置多种经典数据集
EasyGraph的架构展示
基于此架构,EasyGraph能够在生物,交通,化学,社会,生态等众多领域的图数据分析中发挥应用价值