黑料不 人物关系图谱
通过社会网络分析（SNA）方法，对黑料不领域公开信息中的高频共现实体进行关系建模。以下力导向图中，节点大小代表该实体的度中心性（Degree Centrality），连线粗细代表共现频率，颜色区分不同的社区聚类。所有实体均已进行匿名化处理。
黑料不 核心节点关系力导向图
节点数：156 | 边数：423 | 社区数：5 | 模块度：0.67
社区分类
社区A（核心圈层）
社区B（传播枢纽）
社区C（边缘节点）
社区D（跨界桥梁）
社区E（新兴节点）
节点影响力排行（PageRank评分）
基于改进的PageRank算法，综合考虑度中心性、介数中心性和特征向量中心性
网络分析方法论与发现
黑料不的人物图谱模块采用了社会网络分析（Social Network Analysis, SNA）的标准方法论。数据采集阶段，系统从公开网络信息中提取实体名称（经匿名化处理），并基于共现频率构建邻接矩阵。网络构建阶段，使用Louvain社区检测算法将网络划分为若干紧密连接的子社区，模块度（Modularity）达到0.67，表明社区结构清晰。
从网络拓扑特征来看，该关系网络呈现典型的"小世界网络"（Small-World Network）特征：平均路径长度为3.2（即任意两个节点之间平均只需经过3.2个中间节点即可到达），聚类系数为0.45（远高于同规模随机网络的期望值0.08）。这意味着黑料不领域的信息传播效率极高，且存在明显的圈层化结构。
核心发现：排名前10的高影响力节点虽然仅占全部节点的6.4%，但其连接的边数占全网络边数的38.7%。这种"富者愈富"的马太效应在信息传播网络中表现得尤为突出。进一步的介数中心性分析揭示，存在3个关键的"桥梁节点"，它们连接了原本相互隔离的社区，在跨圈层信息传播中扮演着不可替代的角色。更多时间维度的分析请参阅事件时间轴，地域维度请参阅地域热度。