ComenzarEmpieza gratis

¿Quién es importante en la conversación?

Las diferentes medidas de centralidad intentan capturar un concepto similar: «qué vértices son más importantes». Como comentamos antes, estas dos métricas lo abordan de forma ligeramente distinta. Ten en cuenta que, aunque ambas pueden dar una distribución parecida de valores de centralidad, la posición de un vértice concreto según cada una puede variar. Ahora vamos a comparar los vértices mejor clasificados de usuarios de Twitter.

Los vectores que guardan la centralidad de autovectores y la centralidad de intermediación se almacenan, respectivamente, como retweet_ec y retweet_btw.

Este ejercicio forma parte del curso

Estudios de caso: análisis de redes en R

Ver curso

Instrucciones del ejercicio

  • Calcula el cuantil 0.99 de la intermediación, retweet_btw.
  • Filtra retweet_btw para valores mayores que este cuantil y quédate con el 1 % superior.
  • Haz lo mismo para la centralidad de autovectores, retweet_ec.
  • Ejecuta el código que coloca estos resultados en un data frame y revisa la salida.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# 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))
)
Editar y ejecutar código