网络(networks)是对事物之间关系的一种有代表性的建模方式，利用网络可以深入认识世界中的关联。社交网络、交易网络、知识图谱、交通网络、蛋白质互作网络等都是网络数据的典型应用。网络分析(Network Analysis)聚焦于在网络数据中分析实体间的关系，有着丰富的实际应用场景。

EasyGraph是复旦大学网络大数据实验室开发的开源网络结构分析工具箱。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：

• 利用Python/C++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运算速度和可扩展性
• 基于社会学的结构洞理论，针对社交网络分析，提供了多种结构洞挖掘方法
• 支持社团检测、中心度、联通子图、聚集系数等经典网络分析算法
• 支持DeepWalk、node2vec、LINE、SDNE等网络嵌入算法
• 支持网络可视化
• 内置多种经典网络数据集

EasyGraph论文于2023年10月发表于Patterns杂志(Cell子刊)。工具箱代码完全开源并提供丰富的技术文档。EasyGraph可以在计算机科学、复杂科学、生物学、交通、化学、社会学、生态学等众多领域的网络数据分析中发挥作用。发布至今，EasyGraph已经获得了30+万次下载。

深入了解EasyGraph

• 项目网站：https://easy-graph.github.io/
• 项目源代码：https://github.com/easy-graph/Easy-Graph
• EasyGraph论文：https://www.cell.com/patterns/fulltext/S2666-3899(23)00218-0