LoslegenKostenlos loslegen

Vergleich von Mention- und Retweet-Graph

Über das Verhältnis von In-Degree zu Out-Degree können wir für jedes Netzwerk etwas anderes lernen. In einem Retweet-Netzwerk zeigt es Nutzer, die häufig retweetet werden, aber selbst nicht retweeten (hohe Werte), oder solche, die oft retweeten, aber selbst nicht retweetet werden (niedrige Werte). Ähnlich gilt: Liegt das In-/Out-Verhältnis in einem Mention-Graphen nahe bei 1, ist die Unterhaltung relativ ausgewogen. Ein niedriges Verhältnis würde hingegen bedeuten, dass eine Person oft Gespräche startet, auf die nicht geantwortet wird. Wenn du die Dichteplots der verschiedenen Netzwerke vergleichst, überlege dir, was du erwarten würdest. Welches Netzwerk erwartest du stärker verzerrt und welches mit einem Verhältnis näher an 1?

Diese Übung ist Teil des Kurses

Fallstudien: Netzwerkanalyse in R

Kurs anzeigen

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Read this code
mention_data <- data_frame(
  graph_type = "mention",
  degree_in = degree(mention_graph, mode = "in"),
  degree_out = degree(mention_graph, mode = "out"),
  io_ratio = degree_in / degree_out
)

# Create a dataset of retweet ratios from the retweet_graph
retweet_data <- data_frame(
  graph_type = "___",
  degree_in = degree(___, mode = "___"),
  degree_out = degree(___, mode = "___"),
  io_ratio = degree_in / degree_out
)
Code bearbeiten und ausführen