在文本分析中，我们需要对其文本进行分词，并对这些分词统计分析，基于 python ， jieba 是很受欢迎的一种分词库，而后对分词之间的关系，当然Python Matplotlib 基于networkx画关系网络图也是可以的，但是这里我们将借助 Gephi 来制作，这个软件容易上手，这里我们并对其中个别方法进行解释。
jieba库是Python中一个重要的第三方中文分词函数库，能够将一段中文文本分隔成中文词语序列。
jieba库分词所用的原理就是把分词的内容与分词的中文词库进行对比，通过图结构和动态规划方法找到最大概率的词组。
支持四种分词模式：
四种模式分隔举例：
结果：
由上我们可以发现，我们想要把生态环境、污水处理、有限公司都分开，精确模式和Paddle模式，未分开，全模式和搜索引擎模式虽分开了，但却也含有未分的词组。所以这里我们可以采用自定义词典，使用load_userdict()，不过注意的是需要给自定义词做词频，否则自定义词典不起作用，因为，当自定义词词频低于默认词典的词频时，它还是采用默认分词，所以我们设定词频大于默认词词频时，就会采用自定义词典的词分词。
具体怎么设置自定义词典的词频数，还没有具体的公式，越大当然概率越大，只要超过默认词典即可，但也不宜过大。 默认词典
自定义词典
其中 user_dict 定义如下:
jieba简单介绍及使用介绍到这里，更深层理论及使用可学习这个地址： jieba-github参考
在 图论 中， 集聚系数 （也称 群聚系数 、 集群系数 ）是用来描述一个 图 中的 顶点 之间结集成团的程度的系数。具体来说，是一个点的邻接点之间相互连接的程度。例如生活社交网络中，你的朋友之间相互认识的程度 基于复杂网络理论的代谢网络结构研究进展 。有证据表明，在各类反映真实世界的网络结构，特别是 社交网络 结构中，各个结点之间倾向于形成密度相对较高的网群 TRANSITIVITY IN STRUCTURAL MODELS OF SMALL GROUPS 、 Collective dynamics of 'small-world' networks 。也就是说，相对于在两个节点之间随机连接而得到的网络，真实世界网络的集聚系数更高。
假设图中有一部分点是两两相连的，那么可以找出很多个“三角形”，其对应的三点两两相连，称为闭三点组。除此以外还有开三点组，也就是之间连有两条边的三点（缺一条边的三角形）。
Clustering coefficient 的定义有两种； 全局 的和 局部 的。
全局的算法：
局部的算法：
平均系数：
下面即分析其系数求解：
接下来我们就以一个实例来分析聚类系数应用，这里我们用到的工具是 Gephi ，数据也是使用其内置的数据。
在上面分析中，我们提到节点大小，代表自身权重，但是有时由于我们的节点范围导致有些需要辨别的节点不易分析，这时我们可以考虑从颜色入手，即权重从小到大以颜色的变化老判定，当然也可以用同一种颜色通过渐变来判定，这里我是使用了三种颜色变化范围来分析。如下图选择及展示：
由上图，从颜色上我们选择了红黄蓝的依次变化情况，右图我们从节点大小加上颜色更方便判定节点自身的权重了，即自身出现次数越多颜色越靠近蓝色，反之靠近红色。
由上俩个图的变化可察觉出它们的布局分布是一样的，那它是什么原因呢？
如图结构可分析形成聚合的簇团，是相互之间弹簧吸引的强烈的，也就是说关系比较密切些。
在数据中，我们关系图是由节点和边组成，上面都简要分析了节点的处理，那么边怎么分析呢？其实边由图中是可以以线的粗细来判断俩个词之间的关系，即出现的次数。如下图：
由于次数范围太广，我们把它们转化成0--1之间的范围，以最高权重为1，其它数据以此为基准做转化。
即为所转化后的占比值， 为每个权重值， 为最大权重值
jieba-github参考
Clustering coefficient
ForceAtlas2, A Continuous Graph Layout Algorithm for Handy Network Visualization