LoslegenKostenlos loslegen

Wer ist in der Unterhaltung wichtig?

Verschiedene Zentralitätsmaße zielen alle auf ein ähnliches Konzept ab: „Welche Knoten sind am wichtigsten?“ Wie wir bereits besprochen haben, nähern sich diese beiden Kennzahlen dem Thema etwas unterschiedlich. Denk daran: Auch wenn beide eine ähnliche Verteilung der Zentralitätswerte liefern können, kann die Rangfolge einzelner Knoten jeweils unterschiedlich ausfallen. Jetzt vergleichen wir die Knoten mit den höchsten Rängen der Twitter-Nutzer.

Die Vektoren mit Eigen- und Betweenness-Zentralität sind jeweils in retweet_ec und retweet_btw gespeichert.

Diese Übung ist Teil des Kurses

Fallstudien: Netzwerkanalyse in R

Kurs anzeigen

Anleitung zur Übung

  • Berechne das 0.99-Quantil der Betweenness retweet_btw.
  • Bilde einen Teilvektor von retweet_btw für Werte, die größer als dieses Quantil sind, um das oberste 1 % zu behalten.
  • Mach dasselbe für die Eigenzentralität retweet_ec.
  • Führe den Code aus, der diese in einen Data Frame packt, und sieh dir die Ergebnisse an.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Get 0.99 quantile of betweenness 
betweenness_q99 <- quantile(___, ___)

# Get top 1% of vertices by betweenness
top_btw <- ___[retweet_btw > ___]

# Get 0.99 quantile of eigen-centrality
eigen_centrality_q99 <- ___(___, ___)

# Get top 1% of vertices by eigen-centrality
top_ec <- ___

# See the results as a data frame
data.frame(
  Rank = seq_along(top_btw), 
  Betweenness = names(sort(top_btw, decreasing = TRUE)), 
  EigenCentrality = names(sort(top_ec, decreasing = TRUE))
)
Code bearbeiten und ausführen