网络(图)是表征与建模个体之间的复杂关系和交互的强大工具。网络结构(图结构)分析是研究网络的统计特性、拓扑结构和演化模型的重要方法，涵盖多个学科领域包括社交网络、生物网络、交通网络、交易网络等。复旦大学网络大数据实验室设计实现了面向多学科的高性能网络结构分析工具箱EasyGraph，针对现有网络结构分析相关研究对功能全面性和高效性的需求，提出了一套高计算效率、高可扩展性的网络结构分析方法体系。设计实现了多种并行优化技术，结合图数据结构优化以及Python/C++混合编程架构，使得在低算力环境下大规模的网络数据分析变得更加迅速和可行。

日前EasyGraph发布了1.1版本，在这一版本中，我们大幅度加强了对超图计算的支持，主要的更新包括：

• 支持更多的超图指标与算法，包括hypercoreness, vector-centrality, s-centrality等
• 支持更多的超图数据集
• 支持更灵活的动态超图可视化
• 支持更高效的超图指标计算及超图学习

欢迎各位学者使用！

EasyGraph工具箱相关网址如下：

项目网站：https://easy-graph.github.io/

项目源代码：https://github.com/easy-graph/Easy-Graph