2025年大學(xué)《統(tǒng)計(jì)學(xué)》專業(yè)題庫——社會(huì)網(wǎng)絡(luò)分析方法在統(tǒng)計(jì)學(xué)中的應(yīng)用考試時(shí)間：______分鐘總分：______分姓名：______一、簡(jiǎn)答題（每題5分，共20分）1.簡(jiǎn)述社會(huì)網(wǎng)絡(luò)分析在統(tǒng)計(jì)學(xué)中的主要應(yīng)用價(jià)值。2.請(qǐng)分別解釋網(wǎng)絡(luò)密度和中心性的概念，并說明它們?cè)诤饬烤W(wǎng)絡(luò)結(jié)構(gòu)特征方面的不同作用。3.描述網(wǎng)絡(luò)數(shù)據(jù)中常見的兩種矩陣表示方法（如鄰接矩陣、關(guān)聯(lián)矩陣），并說明它們各自的特點(diǎn)和適用場(chǎng)景。4.簡(jiǎn)要介紹三種不同類型的社會(huì)網(wǎng)絡(luò)分析模型（如隨機(jī)圖模型、小世界模型、無標(biāo)度網(wǎng)絡(luò)模型），并說明它們各自的核心假設(shè)區(qū)別。二、論述題（每題10分，共30分）5.論述節(jié)點(diǎn)中心性的幾種主要類型（如度中心性、中介中心性、接近中心性、特征向量中心性）各自的計(jì)算方法及其在識(shí)別網(wǎng)絡(luò)中關(guān)鍵節(jié)點(diǎn)方面的不同意義。結(jié)合統(tǒng)計(jì)學(xué)原理，說明這些中心性指標(biāo)如何量化節(jié)點(diǎn)的重要性。6.社會(huì)網(wǎng)絡(luò)分析中社區(qū)檢測(cè)的目的是什么？請(qǐng)介紹兩種不同的社區(qū)檢測(cè)方法（算法），闡述其基本思想，并比較它們的優(yōu)缺點(diǎn)。7.以一個(gè)具體的領(lǐng)域（如社交網(wǎng)絡(luò)、組織管理、信息傳播等）為例，論述如何運(yùn)用社會(huì)網(wǎng)絡(luò)分析方法解決該領(lǐng)域的一個(gè)實(shí)際問題。請(qǐng)說明選擇的分析方法、數(shù)據(jù)收集與處理思路、分析步驟以及如何解釋分析結(jié)果。三、計(jì)算與分析題（共50分）8.假設(shè)有一個(gè)包含4個(gè)節(jié)點(diǎn)的簡(jiǎn)單無向網(wǎng)絡(luò)，節(jié)點(diǎn)分別為A、B、C、D，邊的存在情況如下：存在邊AB、AC、BD、CD。請(qǐng)根據(jù)此網(wǎng)絡(luò)結(jié)構(gòu)，完成以下分析（無需實(shí)際計(jì)算，只需列出公式或說明如何計(jì)算）：（1）計(jì)算該網(wǎng)絡(luò)的網(wǎng)絡(luò)密度。（2）分別計(jì)算節(jié)點(diǎn)A、B、C、D的度中心性、中介中心性（提示：可使用隨機(jī)圖模型作為參照）。（3）如果該網(wǎng)絡(luò)代表一個(gè)社群，請(qǐng)描述至少兩種方法可以對(duì)該網(wǎng)絡(luò)進(jìn)行社群劃分，并簡(jiǎn)述其中一種方法的基本步驟。9.假設(shè)你獲得了一個(gè)關(guān)于某個(gè)組織內(nèi)部溝通網(wǎng)絡(luò)的數(shù)據(jù)集，該網(wǎng)絡(luò)包含100個(gè)節(jié)點(diǎn)（代表組織成員）和150條邊（代表成員間的溝通聯(lián)系）。請(qǐng)?jiān)O(shè)計(jì)一個(gè)基本的分析流程，說明你會(huì)如何運(yùn)用社會(huì)網(wǎng)絡(luò)分析方法來理解這個(gè)組織的溝通結(jié)構(gòu)。請(qǐng)包括以下步驟：（1）數(shù)據(jù)預(yù)處理的主要步驟是什么？（2）你會(huì)選擇哪些網(wǎng)絡(luò)分析指標(biāo)來評(píng)估該組織的溝通效率和信息傳播模式？（3）如何利用網(wǎng)絡(luò)可視化工具（如Gephi）來展示分析結(jié)果？你會(huì)關(guān)注哪些可視化特征？（4）基于分析結(jié)果，你可能會(huì)得出哪些關(guān)于該組織溝通結(jié)構(gòu)的結(jié)論？試卷答案一、簡(jiǎn)答題1.社會(huì)網(wǎng)絡(luò)分析在統(tǒng)計(jì)學(xué)中的主要應(yīng)用價(jià)值在于，它提供了一套系統(tǒng)的理論和方法框架，用于量化分析社會(huì)結(jié)構(gòu)中的關(guān)系和結(jié)構(gòu)模式。這些方法借鑒了統(tǒng)計(jì)學(xué)的概率論、數(shù)據(jù)分析、模型構(gòu)建和推斷思想，能夠?qū)⑸鐣?huì)現(xiàn)象中復(fù)雜、非數(shù)值化的關(guān)系數(shù)據(jù)轉(zhuǎn)化為可度量的網(wǎng)絡(luò)結(jié)構(gòu)數(shù)據(jù)，從而更精確地描述、解釋和預(yù)測(cè)社會(huì)行為、信息傳播、組織動(dòng)態(tài)等。通過統(tǒng)計(jì)模型，可以檢驗(yàn)網(wǎng)絡(luò)結(jié)構(gòu)的假設(shè)，識(shí)別關(guān)鍵節(jié)點(diǎn)和社群，量化關(guān)系強(qiáng)度和影響力，為理解復(fù)雜社會(huì)系統(tǒng)提供量化依據(jù)和新的分析視角。2.網(wǎng)絡(luò)密度是指一個(gè)網(wǎng)絡(luò)中實(shí)際存在的邊數(shù)與該網(wǎng)絡(luò)可能存在的最大邊數(shù)的比例。它衡量的是網(wǎng)絡(luò)中連接的緊密程度。網(wǎng)絡(luò)密度高意味著網(wǎng)絡(luò)中節(jié)點(diǎn)之間聯(lián)系眾多，結(jié)構(gòu)相對(duì)緊密；密度低則表示節(jié)點(diǎn)之間連接稀疏，網(wǎng)絡(luò)較為松散。中心性是用于衡量網(wǎng)絡(luò)中某個(gè)節(jié)點(diǎn)相對(duì)重要性的指標(biāo)。度中心性衡量節(jié)點(diǎn)的連接數(shù)量，即與該節(jié)點(diǎn)直接相連的邊的數(shù)量；中介中心性衡量節(jié)點(diǎn)出現(xiàn)在其他節(jié)點(diǎn)對(duì)之間最短路徑上的頻率，即節(jié)點(diǎn)控制信息或資源流動(dòng)的能力；接近中心性衡量節(jié)點(diǎn)到網(wǎng)絡(luò)中所有其他節(jié)點(diǎn)的平均距離，距離越短表示節(jié)點(diǎn)越居中；特征向量中心性衡量節(jié)點(diǎn)與其鄰居的重要性之和，不僅考慮連接數(shù)量，還考慮鄰居的質(zhì)量或重要性。這些中心性指標(biāo)從不同維度量化節(jié)點(diǎn)在網(wǎng)絡(luò)結(jié)構(gòu)中的中心地位或影響力。3.鄰接矩陣是一個(gè)方陣，其行和列都代表網(wǎng)絡(luò)中的節(jié)點(diǎn)，矩陣中的元素表示對(duì)應(yīng)節(jié)點(diǎn)對(duì)之間是否存在邊。通常，矩陣中的非對(duì)角線元素使用0和1表示邊是否存在（或邊的權(quán)重），對(duì)角線元素通常為0。這種表示方法直觀，易于進(jìn)行矩陣運(yùn)算，適用于分析關(guān)系明確、節(jié)點(diǎn)數(shù)量適中的網(wǎng)絡(luò)。關(guān)聯(lián)矩陣（或稱鄰接表）通常是一個(gè)節(jié)點(diǎn)列表，每個(gè)節(jié)點(diǎn)后面跟著與其直接相連的其他節(jié)點(diǎn)列表（或邊的權(quán)重信息）。這種表示方法在處理稀疏網(wǎng)絡(luò)（邊數(shù)遠(yuǎn)小于節(jié)點(diǎn)數(shù)的平方）時(shí)比較節(jié)省空間，且易于添加或刪除節(jié)點(diǎn)。4.隨機(jī)圖模型（Erdos-Rényi模型）假設(shè)網(wǎng)絡(luò)中任意兩個(gè)節(jié)點(diǎn)之間存在邊的概率是相同的，且邊是獨(dú)立存在的。它主要用于檢驗(yàn)觀察到的網(wǎng)絡(luò)結(jié)構(gòu)是否顯著偏離隨機(jī)偶然性。小世界模型（Watts-Strogatz模型）假設(shè)網(wǎng)絡(luò)由一個(gè)規(guī)則圖開始，然后隨機(jī)地重新連接部分節(jié)點(diǎn)，旨在解釋現(xiàn)實(shí)世界中許多網(wǎng)絡(luò)同時(shí)具有高聚類系數(shù)和短平均路徑長度。無標(biāo)度網(wǎng)絡(luò)模型（Barabasi-Albert模型）假設(shè)網(wǎng)絡(luò)中節(jié)點(diǎn)的連接概率與其度數(shù)成正比，即“富者愈富”現(xiàn)象，這種模型能很好地描述許多現(xiàn)實(shí)世界網(wǎng)絡(luò)（如互聯(lián)網(wǎng)、社交網(wǎng)絡(luò)）的度分布。核心區(qū)別在于它們對(duì)網(wǎng)絡(luò)形成機(jī)制的假設(shè)不同：隨機(jī)圖強(qiáng)調(diào)隨機(jī)性，小世界模型強(qiáng)調(diào)從規(guī)則結(jié)構(gòu)到隨機(jī)重連的過渡，無標(biāo)度模型強(qiáng)調(diào)度分布的冪律特性。二、論述題5.節(jié)點(diǎn)中心性是衡量網(wǎng)絡(luò)中節(jié)點(diǎn)重要性或影響力的關(guān)鍵指標(biāo)。度中心性通過計(jì)算節(jié)點(diǎn)擁有的直接連接數(shù)（出度或入度）來衡量其連接性。計(jì)算方法通常是將節(jié)點(diǎn)的度數(shù)除以網(wǎng)絡(luò)中可能的最大度數(shù)（對(duì)于無向簡(jiǎn)單網(wǎng)絡(luò)，最大度數(shù)為節(jié)點(diǎn)總數(shù)減一）。度中心性高的節(jié)點(diǎn)是信息或資源傳播的“瓶頸”或“集散地”。中介中心性衡量節(jié)點(diǎn)出現(xiàn)在其他節(jié)點(diǎn)對(duì)之間最短路徑上的程度。計(jì)算方法通常涉及尋找網(wǎng)絡(luò)中所有節(jié)點(diǎn)對(duì)的最短路徑，統(tǒng)計(jì)某個(gè)節(jié)點(diǎn)出現(xiàn)在這些路徑上的次數(shù)（或頻率），然后進(jìn)行標(biāo)準(zhǔn)化處理（如除以所有路徑總數(shù)）。中介中心性高的節(jié)點(diǎn)能夠“控制”網(wǎng)絡(luò)中其他節(jié)點(diǎn)間的信息或資源流動(dòng)。接近中心性衡量節(jié)點(diǎn)到網(wǎng)絡(luò)中所有其他節(jié)點(diǎn)的平均距離。計(jì)算方法通常是計(jì)算節(jié)點(diǎn)到網(wǎng)絡(luò)中所有其他節(jié)點(diǎn)的最短路徑長度的倒數(shù)之和，然后進(jìn)行標(biāo)準(zhǔn)化。接近中心性高的節(jié)點(diǎn)能夠快速到達(dá)網(wǎng)絡(luò)中的其他節(jié)點(diǎn)，具有信息獲取的優(yōu)勢(shì)。特征向量中心性衡量節(jié)點(diǎn)與其鄰居的重要性之和。計(jì)算方法通常使用迭代算法（如PageRank），初始值設(shè)為所有節(jié)點(diǎn)度數(shù)相同，然后根據(jù)節(jié)點(diǎn)與其鄰居的中心性值進(jìn)行迭代更新，最終收斂的值即為各節(jié)點(diǎn)的特征向量中心性得分。它不僅考慮連接數(shù)量，還考慮鄰居的質(zhì)量（即鄰居的中心性高低）。在統(tǒng)計(jì)學(xué)上，這些中心性指標(biāo)都可以看作是對(duì)網(wǎng)絡(luò)結(jié)構(gòu)中節(jié)點(diǎn)某種“潛在屬性”或“影響力”的估計(jì)，其計(jì)算和標(biāo)準(zhǔn)化過程體現(xiàn)了對(duì)網(wǎng)絡(luò)整體結(jié)構(gòu)和節(jié)點(diǎn)局部關(guān)系的統(tǒng)計(jì)分析。6.社會(huì)網(wǎng)絡(luò)分析中社區(qū)檢測(cè)（或社群發(fā)現(xiàn)）的目的是識(shí)別網(wǎng)絡(luò)中緊密連接的子群（社群或模塊）。這些子群內(nèi)部的連接密度遠(yuǎn)高于子群之間的連接密度，反映了網(wǎng)絡(luò)中存在不同的關(guān)系模式或功能群體。社區(qū)檢測(cè)有助于揭示網(wǎng)絡(luò)的結(jié)構(gòu)層次，理解社會(huì)分組、組織結(jié)構(gòu)、信息集群等。兩種不同的社區(qū)檢測(cè)方法包括：譜聚類方法。該方法基于網(wǎng)絡(luò)的鄰接矩陣或拉普拉斯矩陣的特征向量進(jìn)行聚類?；舅枷胧牵菏紫葮?gòu)建網(wǎng)絡(luò)的相似性或距離矩陣（如基于節(jié)點(diǎn)間共享鄰居的數(shù)量）；然后利用多維尺度分析（MDS）或譜聚類算法，根據(jù)節(jié)點(diǎn)間相似性進(jìn)行聚類；最后根據(jù)聚類結(jié)果劃分社區(qū)。優(yōu)點(diǎn)是理論基礎(chǔ)扎實(shí)（源于線性代數(shù)和圖論），對(duì)于某些類型的網(wǎng)絡(luò)結(jié)構(gòu)（如層次結(jié)構(gòu)）效果較好。缺點(diǎn)是計(jì)算復(fù)雜度較高，對(duì)參數(shù)選擇敏感，且相似性矩陣的構(gòu)建方式會(huì)影響結(jié)果。模塊度最大化方法（如Louvain算法）。該方法基于模塊度指標(biāo)進(jìn)行迭代優(yōu)化。模塊度衡量一個(gè)劃分方案將網(wǎng)絡(luò)分割為多個(gè)社區(qū)后的“質(zhì)量”，即社區(qū)內(nèi)部連接的緊密程度與社區(qū)間連接的松散程度之差?；舅枷胧牵簭某跏紕澐珠_始，迭代地調(diào)整節(jié)點(diǎn)的歸屬（將節(jié)點(diǎn)加入或移出某個(gè)社區(qū)），每次調(diào)整的目標(biāo)是最大化當(dāng)前劃分的模塊度值。當(dāng)沒有節(jié)點(diǎn)可以移動(dòng)以增加模塊度時(shí)，迭代停止。優(yōu)點(diǎn)是計(jì)算效率高，易于實(shí)現(xiàn)，在多種網(wǎng)絡(luò)類型上表現(xiàn)穩(wěn)健，是目前應(yīng)用最廣泛的方法之一。缺點(diǎn)是可能會(huì)過度分割網(wǎng)絡(luò)，尤其是在網(wǎng)絡(luò)規(guī)模很大或密度很高時(shí)，得到的社區(qū)可能規(guī)模較小且意義不明確。7.以組織管理領(lǐng)域?yàn)槔?，運(yùn)用社會(huì)網(wǎng)絡(luò)分析方法可以解決“組織溝通效率低下”的問題。假設(shè)觀察到組織成員之間的溝通主要依賴少數(shù)幾個(gè)核心人物，而信息在非核心成員間傳播緩慢或失真。分析步驟如下：（1）問題定義與目標(biāo)設(shè)定：明確要分析的是組織內(nèi)部的信息溝通網(wǎng)絡(luò)，目標(biāo)是評(píng)估溝通效率，識(shí)別溝通瓶頸，發(fā)現(xiàn)潛在的溝通障礙或模式。（2）數(shù)據(jù)收集：收集能夠反映成員間溝通模式的數(shù)據(jù)。數(shù)據(jù)來源可以是問卷調(diào)查（詢問成員之間經(jīng)常溝通的對(duì)象）、電子郵件往來記錄、會(huì)議參與記錄、內(nèi)部通訊錄等。數(shù)據(jù)需要轉(zhuǎn)化為社會(huì)網(wǎng)絡(luò)數(shù)據(jù)格式（如鄰接矩陣或邊列表），明確節(jié)點(diǎn)代表組織成員，邊代表溝通聯(lián)系（如發(fā)郵件次數(shù)、共同參加會(huì)議次數(shù)等）。（3）網(wǎng)絡(luò)構(gòu)建與分析：使用統(tǒng)計(jì)軟件（如UCINET,Gephi）構(gòu)建溝通網(wǎng)絡(luò)圖。計(jì)算關(guān)鍵的網(wǎng)絡(luò)分析指標(biāo)：①度中心性，識(shí)別最常溝通的成員；②中介中心性，識(shí)別信息流動(dòng)的關(guān)鍵橋梁成員；③聚類系數(shù)，評(píng)估成員溝通的緊密程度和內(nèi)部小團(tuán)體結(jié)構(gòu)；④社區(qū)檢測(cè)，識(shí)別溝通緊密的小團(tuán)體或部門間壁壘。可以計(jì)算網(wǎng)絡(luò)的平均路徑長度，評(píng)估信息擴(kuò)散的速度。（4）結(jié)果解釋與可視化：利用網(wǎng)絡(luò)可視化工具展示網(wǎng)絡(luò)結(jié)構(gòu)。關(guān)注度高、連接數(shù)多、中介中心性高的節(jié)點(diǎn)（溝通者）。觀察是否存在“信息孤島”或溝通壁壘（社群間連接稀疏）。分析社區(qū)結(jié)構(gòu)是否與組織部門結(jié)構(gòu)一致或不一致。（5）結(jié)論與建議：基于分析結(jié)果，可能得出結(jié)論：溝通高度依賴少數(shù)核心人員，存在溝通瓶頸；某些部門或群體溝通不活躍；信息傳播路徑過長。建議：加強(qiáng)核心溝通者的協(xié)調(diào)能力；建立跨部門溝通機(jī)制；促進(jìn)非核心成員間的直接溝通；針對(duì)溝通壁壘問題進(jìn)行組織調(diào)整或文化建設(shè)等。通過社會(huì)網(wǎng)絡(luò)分析，可以量化地呈現(xiàn)溝通結(jié)構(gòu)問題，為改進(jìn)組織溝通提供具體、有數(shù)據(jù)支撐的建議。三、計(jì)算與分析題8.（1）該網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)為4，可能存在的邊數(shù)為C(4,2)=6。實(shí)際存在的邊數(shù)為4（AB,AC,BD,CD）。因此，網(wǎng)絡(luò)密度d=實(shí)際邊數(shù)/可能最大邊數(shù)=4/6=2/3。（2）度中心性：節(jié)點(diǎn)A有2條邊（AB,AC），度數(shù)為2；節(jié)點(diǎn)B有2條邊（AB,BD），度數(shù)為2；節(jié)點(diǎn)C有2條邊（AC,CD），度數(shù)為2；節(jié)點(diǎn)D有2條邊（BD,CD），度數(shù)為2。對(duì)于無向簡(jiǎn)單網(wǎng)絡(luò)，度中心性即為度數(shù)。所以，A、B、C、D的度中心性均為2/(4-1)=2/3（如果采用規(guī)范化的度中心性）。中介中心性計(jì)算復(fù)雜，通常需要比較。假設(shè)使用隨機(jī)圖模型G(n,p)作為參照，其中n=4,p=4/6=2/3。隨機(jī)圖中每個(gè)節(jié)點(diǎn)對(duì)之間有邊的概率為p。需要計(jì)算每個(gè)節(jié)點(diǎn)出現(xiàn)在其他節(jié)點(diǎn)對(duì)的最短路徑上的期望次數(shù)。這通常涉及復(fù)雜的圖論算法或模擬。簡(jiǎn)化說明：可以計(jì)算每個(gè)節(jié)點(diǎn)對(duì)的最短路徑，統(tǒng)計(jì)每個(gè)節(jié)點(diǎn)出現(xiàn)在這些路徑上的次數(shù)，然后除以所有路徑總數(shù)（或進(jìn)行標(biāo)準(zhǔn)化）。例如，計(jì)算路徑AB-AC,AB-BD,AB-CD,AC-BD,AC-CD,BD-CD等。（3）兩種社群劃分方法：①基于模塊度優(yōu)化（如Louvain算法）：迭代調(diào)整節(jié)點(diǎn)歸屬以最大化模塊度；②基于層次聚類（如凝聚算法）：從每個(gè)節(jié)點(diǎn)自成一組開始，逐步合并相似度高的節(jié)點(diǎn)或社群。簡(jiǎn)述Louvain方法步驟：a.初始化：每個(gè)節(jié)點(diǎn)自成一個(gè)社區(qū)。b.優(yōu)化：對(duì)于每個(gè)社區(qū)，嘗試移動(dòng)其內(nèi)部節(jié)點(diǎn)到其他社區(qū)，如果移動(dòng)后能增加整個(gè)網(wǎng)絡(luò)的模塊度，則執(zhí)行移動(dòng)。重復(fù)此過程直到?jīng)]有節(jié)點(diǎn)可以移動(dòng)。c.合并：將模塊度不再變化的社區(qū)合并成一個(gè)大社區(qū)，回到步驟a（社區(qū)內(nèi)部節(jié)點(diǎn)不再獨(dú)立考慮），直到所有節(jié)點(diǎn)屬于一個(gè)大社區(qū)。或簡(jiǎn)單描述為：計(jì)算節(jié)點(diǎn)間相似性，根據(jù)相似性聚類形成社區(qū)。9.（1）數(shù)據(jù)預(yù)處理的主要步驟：a.數(shù)據(jù)清洗：處理缺失值（如成員間無溝通記錄如何處理，是視為無邊還是特殊邊），處理異常值（如極端頻繁溝通可能表示數(shù)據(jù)錯(cuò)誤），統(tǒng)一數(shù)據(jù)格式。b.數(shù)據(jù)轉(zhuǎn)換：將原始數(shù)據(jù)（如郵件列表、頻率計(jì)數(shù)）轉(zhuǎn)換為適合網(wǎng)絡(luò)分析的格式，最常用的是構(gòu)建鄰接矩陣或邊列表。例如，如果用鄰接矩陣，元素值可以是溝通次數(shù)、溝通頻率或是否存在溝通的二值。c.確定網(wǎng)絡(luò)類型：根據(jù)分析目的選擇無向網(wǎng)絡(luò)、有向網(wǎng)絡(luò)（區(qū)分溝通方向）、加權(quán)網(wǎng)絡(luò)（考慮溝通強(qiáng)度）或無權(quán)網(wǎng)絡(luò)。d.節(jié)點(diǎn)和邊的定義：明確節(jié)點(diǎn)代表什么（如具體人名、職位），邊的定義和權(quán)重含義（如發(fā)郵件次數(shù)、共同出席次數(shù)）。（2）為評(píng)估溝通效率和信息傳播模式，可以選擇的網(wǎng)絡(luò)分析指標(biāo)：a.網(wǎng)絡(luò)密度：反映組織成員間溝通的普遍性或直接連接的緊密程度。低密度可能表示溝通不活躍或依賴中介；高密度可能表示緊密協(xié)作但也可能冗余。b.節(jié)點(diǎn)中心性（度、中介、接近、特征向量）：識(shí)別關(guān)鍵的溝通者（度高）、信息橋梁（中介中心性高）、信息中心（接近中心性高）。分析誰在溝通網(wǎng)絡(luò)中占據(jù)核心地位。c.聚類系數(shù)/社群結(jié)構(gòu)：衡量成員傾向于在內(nèi)部溝通的程度，識(shí)別溝通的小團(tuán)體或部門壁壘。高聚類系數(shù)的社群表示內(nèi)部溝通頻繁。d.平均路徑長度：反映信息在組織成員間傳播的平均速度或范圍。短的平均路徑長度表示溝通效率高，信息傳播快。e.網(wǎng)絡(luò)直徑：反映網(wǎng)絡(luò)中最遠(yuǎn)節(jié)點(diǎn)對(duì)之間的最長路徑長度。（3）利用網(wǎng)絡(luò)可視化工具（如Gephi）展示分析結(jié)果的基本步驟：