这是一个需要审慎辨别的问题。**
***
## 一、社群大小的算法含义
Louvain 社群大小反映的是**概念间关系密度**，而非神学的重要性排序 。算法不按语义权重或教义地位聚类，而是纯粹按**
| 社群特征 | 算法含义 | 神学意义 |
|———|———|———
| **社群大、密度高** | 内部概念相互引用多 | 该教义领域发展成熟、论述详尽 |
| **社群小、密度高** | 概念少但高度专一 | 该领域概念精简但定义精确 |
| **社群大、密度低** | 弱连接的松散聚合 | 该主题涵盖宽泛但内在张力较多 |
***
## 二、社群大小在倪李神学中的具体解读
### 生命经历社群（预期最大）
倪柝声《属灵人》《正常的基督徒生活》围绕”灵、魂、体、调和、
### 神圣经纶社群（预期中等，但桥接力最强）
李常受以”神圣经纶”为神学总纲 ，该社群的节点数可能不是最多，但其节点的**跨社群连接数（
> **在倪李神学图谱中，社群大小衡量论述广度，
### 召会建造社群（预期较小但高度聚合）
召会论概念相对精简（地方召会、城市原则、肢体、四而一有机体）
***
## 三、社群大小与重要性的三种关系
图算法研究表明，节点的重要性与其**社群内地位**和**
**关系一：大社群 ≠ 核心教义**
神圣经纶可能所在社群中等，但 PageRank 分数最高——因为大量其他概念都”指向”它。倪李神学中，
**关系二：小社群中的”局部枢纽”（Local Hub）**
得胜者、四而一有机体等末世论概念，所在社群可能最小，
**关系三：跨社群节点的战略重要性**
横跨两个社群的桥梁节点（如”调和 Mingling”、”人的灵”），其所属社群可能中等，但 **Betweenness Centrality 极高**——这些节点是倪李神学中最具**系统性价值**
***
## 四、正确的神学重要性评估框架
因此，评估倪李神学中某概念的”重要性”，
“`
神学重要性 = f(PageRank, Betweenness, 社群内Degree, 跨社群连接数)
“`
| 指标 | 衡量维度 | 倪李神学中的预期高分节点 |
|——|———|————
| **PageRank** | 被全局引用的权威性 | 神圣经纶、神圣生命 |
| **Betweenness** | 跨范畴的桥接枢纽性 | 人的灵、调和 |
| **社群内 Degree** | 领域内的核心定义性 | 灵（生命社群）、地方召会（召会社群）|
| **社群大小** | 论述的广度与发展程度 | 生命经历社群（最广）|
***
## 五、一个重要警示
Louvain 有一个关键局限：**对关系权重高度敏感** 。若建图时”著作”关系与”阐释”关系权重设定不当，
Sources
[1] Louvain Algorithm – TigerGraph https://www.tigergraph.com/
[2] Louvain method – Wikipedia https://en.wikipedia.org/wiki/
[3] 倪柝声李常受思想异同详细比较 – 百宝箱 https://treasure.
[4] The focus of the divine economy – The Bible — Recovery Version https://bibleread.online/all-
[5] So Great a Foundation–The Economy of God – Newsletters https://newsletters.lsm.org/
[6] Four-in-one: Witness Lee & Trinitarian Ecclesiology | conversant faith https://conversantfaith.com/
[7] Ranking influential nodes in complex networks with community … https://pmc.ncbi.nlm.nih.gov/
[8] Measurement of influential nodes in networks based on community … https://www.nature.com/
[9] [PDF] Knowledge Graphs – Lecture 14: Community detection – ICCL https://iccl.inf.tu-dresden.
[10] [PDF] Centrality in Networks: Finding the Most Important Nodes https://webs-deim.urv.cat/~
[11] NI-Louvain: A novel algorithm to detect overlapping communities … https://www.sciencedirect.com/
[12] Community Detection with Louvain and Infomap – statworx https://www.statworx.com/en/
[13] Community detection: Significance and symbolism https://www.wisdomlib.org/
[14] An Improved Louvain Algorithm for Community Detection – 2021 https://onlinelibrary.wiley.
[15] Centrality measures for networks with community structure https://www.sciencedirect.com/
[16] A Comprehensive Review of Community Detection in Graphs – arXiv https://arxiv.org/html/2309.
[17] Betweenness Centrality and Other Essential Centrality Measures in … https://memgraph.com/blog/
[18] Graph concepts and measures | Social Network Analysis for … https://eehh-stanford.github.
