Chi è importante nella conversazione?
Misure diverse di centralità cercano tutte di cogliere un concetto simile: «quali vertici sono più importanti». Come abbiamo visto prima, queste due metriche lo affrontano in modo leggermente diverso. Tieni presente che, anche se possono restituire distribuzioni simili delle misure di centralità, la posizione di un singolo vertice nelle due classifiche può essere diversa. Ora confronteremo i vertici con il punteggio più alto tra gli utenti di Twitter.
I vettori che contengono rispettivamente la centralità eigen e la betweenness sono retweet_ec e retweet_btw.
Questo esercizio fa parte del corso
Casi di studio: analisi di reti in R
Istruzioni dell'esercizio
- Calcola il quantile
0.99della betweenness,retweet_btw. - Estrai da
retweet_btwi valori maggiori di questo quantile per tenere il top 1%. - Fai lo stesso per l’eigen-centrality,
retweet_ec. - Esegui il codice che inserisce questi risultati in un data frame e guarda cosa ottieni.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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))
)