在文本分析中，我們需要對其文本進行分詞，並對這些分詞統計分析，基於 python ， jieba 是很受歡迎的壹種分詞庫，而後對分詞之間的關系，當然Python Matplotlib 基於networkx畫關系網絡圖也是可以的，但是這裏我們將借助 Gephi 來制作，這個軟件容易上手，這裏我們並對其中個別方法進行解釋。
jieba庫是Python中壹個重要的第三方中文分詞函數庫，能夠將壹段中文文本分隔成中文詞語序列。
jieba庫分詞所用的原理就是把分詞的內容與分詞的中文詞庫進行對比，通過圖結構和動態規劃方法找到最大概率的詞組。
支持四種分詞模式：
四種模式分隔舉例：
結果：
由上我們可以發現，我們想要把生態環境、汙水處理、有限公司都分開，精確模式和Paddle模式，未分開，全模式和搜索引擎模式雖分開了，但卻也含有未分的詞組。所以這裏我們可以采用自定義詞典，使用load_userdict()，不過註意的是需要給自定義詞做詞頻，否則自定義詞典不起作用，因為，當自定義詞詞頻低於默認詞典的詞頻時，它還是采用默認分詞，所以我們設定詞頻大於默認詞詞頻時，就會采用自定義詞典的詞分詞。
具體怎麽設置自定義詞典的詞頻數，還沒有具體的公式，越大當然概率越大，只要超過默認詞典即可，但也不宜過大。 默認詞典
自定義詞典
其中 user_dict 定義如下:
jieba簡單介紹及使用介紹到這裏，更深層理論及使用可學習這個地址： jieba-github參考
在 圖論 中， 集聚系數 （也稱 群聚系數 、 集群系數 ）是用來描述壹個 圖 中的 頂點 之間結集成團的程度的系數。具體來說，是壹個點的鄰接點之間相互連接的程度。例如生活社交網絡中，妳的朋友之間相互認識的程度 基於復雜網絡理論的代謝網絡結構研究進展 。有證據表明，在各類反映真實世界的網絡結構，特別是 社交網絡 結構中，各個結點之間傾向於形成密度相對較高的網群 TRANSITIVITY IN STRUCTURAL MODELS OF SMALL GROUPS 、 Collective dynamics of 'small-world' networks 。也就是說，相對於在兩個節點之間隨機連接而得到的網絡，真實世界網絡的集聚系數更高。
假設圖中有壹部分點是兩兩相連的，那麽可以找出很多個“三角形”，其對應的三點兩兩相連，稱為閉三點組。除此以外還有開三點組，也就是之間連有兩條邊的三點（缺壹條邊的三角形）。
Clustering coefficient 的定義有兩種； 全局 的和 局部 的。
全局的算法：
局部的算法：
平均系數：
下面即分析其系數求解：
接下來我們就以壹個實例來分析聚類系數應用，這裏我們用到的工具是 Gephi ，數據也是使用其內置的數據。
在上面分析中，我們提到節點大小，代表自身權重，但是有時由於我們的節點範圍導致有些需要辨別的節點不易分析，這時我們可以考慮從顏色入手，即權重從小到大以顏色的變化老判定，當然也可以用同壹種顏色通過漸變來判定，這裏我是使用了三種顏色變化範圍來分析。如下圖選擇及展示：
由上圖，從顏色上我們選擇了紅黃藍的依次變化情況，右圖我們從節點大小加上顏色更方便判定節點自身的權重了，即自身出現次數越多顏色越靠近藍色，反之靠近紅色。
由上倆個圖的變化可察覺出它們的布局分布是壹樣的，那它是什麽原因呢？
如圖結構可分析形成聚合的簇團，是相互之間彈簧吸引的強烈的，也就是說關系比較密切些。
在數據中，我們關系圖是由節點和邊組成，上面都簡要分析了節點的處理，那麽邊怎麽分析呢？其實邊由圖中是可以以線的粗細來判斷倆個詞之間的關系，即出現的次數。如下圖：
由於次數範圍太廣，我們把它們轉化成0--1之間的範圍，以最高權重為1，其它數據以此為基準做轉化。
即為所轉化後的占比值， 為每個權重值， 為最大權重值
jieba-github參考
Clustering coefficient
ForceAtlas2, A Continuous Graph Layout Algorithm for Handy Network Visualization