通信網絡關鍵節點可視化分析系統提供了Degree、 Betweenness centrality、Closeness centrality、 Eigenvector centrality、 HITS和PageRank等中心性計算算法。 不同的算法適用于不同的場合。Degree算法表示節點的直接影響力強弱。 節點的Degree中心性值越高，該節點的直接影響力越大。 Betweenness centrality算法研究節點之間的通信程度和節點對信息的控制， 使用該算法可以準確找到網絡中某些“流量”非常大的重要節點；本算法可用于設計網絡的通信協議、 優化網絡部署和檢測網絡瓶頸等。Closeness centrality研究信息傳播的獨立性和有效性； 本算法反映了節點在網絡中居于中心的程度；本算法可用于考察一個節點不依靠其它節點來傳播信息的程度。Eigenvector centrality基于特征向量的方法不僅考慮節點鄰居數量還考慮了其質量對節點重要性的影響， 這是從網絡中節點的地位和名望角度考慮，適用于網頁排序。HITS是一種重要的網頁重要性排序算法，主要適用于網絡信息檢索領域。 PageRank是網頁排序領域中最著名的算法；該算法基于網頁的鏈接結構給網頁排序；它認為萬維網中一個頁面的重要性取決于指向它的其它頁面的數量和質量；本算法適用于網頁排序。 在本系統中可以方便、輕松和快捷的使用以上算法；輸入數據，選擇中心性算法，系統會快速展現算法分析結果；結果中越重要的節點在畫面展示中直徑越大， 直徑越小的節點表示節點的重要性越低；在系統右側欄目中節點以重要性程度降序排序，前五個節點名字用紅色突出標記。 以上展示方式是為了讓分析人員方便分 析數據。