शुरू करेंमुफ़्त में शुरू करें

बातचीत में कौन महत्वपूर्ण है?

Centrality की अलग-अलग measures एक ही अवधारणा तक पहुँचने की कोशिश करती हैं: "कौन-से vertices सबसे महत्वपूर्ण हैं।" जैसा कि हमने पहले चर्चा की थी, ये दो metrics इसे थोड़े अलग तरीके से आँकती हैं। ध्यान रखें कि भले ही दोनों का centrality वितरण मिलता-जुलता हो सकता है, किसी व्यक्तिगत vertex की रैंकिंग दोनों के हिसाब से अलग हो सकती है। अब हम Twitter यूज़र के शीर्ष रैंक वाले vertices की तुलना करने जा रहे हैं.

Eigen और betweenness centrality रखने वाले vectors क्रमशः retweet_ec और retweet_btw में स्टोर हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

केस स्टडीज़: R में नेटवर्क विश्लेषण

पाठ्यक्रम देखें

अभ्यास निर्देश

  • Betweenness retweet_btw का 0.99 quantile निकालें.
  • शीर्ष 1% रखने के लिए retweet_btw को इस quantile से बड़े values पर subset करें.
  • Eigen-centrality retweet_ec के लिए भी यही करें.
  • वह कोड चलाएँ जो इन्हें एक data frame में डालता है और परिणाम देखें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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))
)
कोड संपादित करें और चलाएँ