Comparer les graphes de mentions et de retweets
En examinant le rapport entre le degré entrant et le degré sortant, vous pouvez apprendre des choses légèrement différentes sur chaque réseau. Dans un réseau de retweets, cela met en évidence les utilisateurs souvent retweetés qui ne retweetent pas eux-mêmes (valeurs élevées), ou ceux qui retweetent souvent mais ne sont pas retweetés (valeurs faibles). De même, si vous avez un ratio entrant/sortant proche de 1 dans un graphe de mentions, la conversation est relativement équilibrée. En revanche, un ratio faible indique qu’un utilisateur lance souvent des conversations mais ne reçoit pas de réponse. Lorsque vous comparez les courbes de densité des différents réseaux, réfléchissez à ce que vous attendez. Quel réseau pensez-vous être le plus asymétrique et lequel devrait avoir un ratio plus proche de 1 ?
Cet exercice fait partie du cours
Études de cas : l’analyse de réseaux avec R
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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
)