文章目录
-
-
- 一、核心定位与用途
- 二、核心模块与工作流
-
- [1. 数据导入（Data Laboratory）](#1. 数据导入（Data Laboratory）)
- [2. 可视化与布局（Overview）](#2. 可视化与布局（Overview）)
- [3. 网络分析（Statistics）](#3. 网络分析（Statistics）)
- [4. 过滤与交互（Filters）](#4. 过滤与交互（Filters）)
- [5. 导出（Export）](#5. 导出（Export）)
- 三、安装与环境
- 四、快速上手步骤（5分钟）
-
Gephi 是一款 免费开源 、基于 Java 的 网络（图）分析与可视化工具 ，被广泛用于探索、分析和呈现复杂关系数据。
一、核心定位与用途
- 核心功能 ：将抽象的"关系"数据（如社交网络、知识图谱、供应链、网页链接）转化为直观、可交互的节点-边图，并计算网络指标、发现社区结构。
- 适用场景 ：
- 社交网络分析（SNA）：发现意见领袖、社群划分
- 知识图谱与文献计量：可视化论文引用、概念关联
- 生物信息学：基因/蛋白质相互作用网络
- 舆情与传播：信息扩散路径、谣言网络
- 商业分析：客户关系、供应链、组织架构
Gephi下载安装教程
Gephi网络（图）分析与可视化工具安装教程：https://blog.csdn.net/2501_92959393/article/details/154015561
二、核心模块与工作流
1. 数据导入（Data Laboratory）
- 支持格式：CSV、GEXF、GML、GraphML、Excel、数据库等。
- 数据结构 ：
- 节点表（Nodes）：实体（人、机构、关键词）+ 属性（ID、标签、类别、权重）
- 边表（Edges）：关系（A→B）+ 属性（权重、方向、时间戳）
- 操作 ：
File → Import Spreadsheet分别导入节点与边。
2. 可视化与布局（Overview）
- 布局算法（Layout） ：决定图的形态。
- ForceAtlas 2：最常用，模拟引力-斥力，自动聚类社区
- Fruchterman Reingold：均匀分布，适合小规模网络
- Radial Layout：辐射状，突出中心节点
- Yifan Hu：高效处理大规模网络
- 样式定制（Appearance） ：
- 节点 ：按度数、权重、社区分类着色/调整大小
- 边：按权重调整粗细、透明度
- 标签：显示/隐藏、字体、大小
3. 网络分析（Statistics）
计算关键指标，揭示网络结构：
- 节点中心性：度中心性、介数中心性、接近中心性（找关键节点）
- 社区检测：模块化（Modularity）、Louvain 算法（自动分组）
- 全局指标：平均路径长度、聚类系数、网络密度
4. 过滤与交互（Filters）
- 按节点属性、度数、边权重等筛选子集，聚焦局部结构。
- 支持交互式缩放、平移、点选查看详情。
5. 导出（Export）
- 图片：PNG、PDF、SVG（高清出版级）
- 数据：GEXF、CSV、GraphML
- 网页：通过插件导出交互式 HTML 可视化。
三、安装与环境
- 官网：https://gephi.org/
- 系统：Windows / macOS / Linux
- 依赖：Java 11+（推荐 OpenJDK 17 LTS）。
- 插件扩展 ：
Tools → Plugins安装社区检测、动态网络、Sigma 导出等。
四、快速上手步骤（5分钟）
- 准备 CSV 数据：
- 节点：
Id,Label,ModularityClass - 边：
Source,Target,Weight
- 节点：
- 打开 Gephi →
File → New Project - 数据实验室 → 导入节点表 → 导入边表
- 切换到 Overview：
- 布局：选择 ForceAtlas 2 → 运行（20--30秒）
- 外观：节点按 Modularity Class 着色，按 Degree 调整大小
- 统计：运行 Modularity（社区检测）→ 应用到颜色
- 导出：
File → Export → PNG/PDF