멘션 그래프와 리트윗 그래프 비교
진입 차수와 이탈 차수의 비율을 살펴보면 각 네트워크에 대해 조금 다른 정보를 얻을 수 있어요. 리트윗 네트워크에서는 이 값이 높은 경우 자주 리트윗되지만 본인은 리트윗하지 않는 사용자, 낮은 경우 자주 리트윗하지만 본인은 리트윗되지 않는 사용자를 보여줍니다. 비슷하게, 멘션 그래프에서 in/out 비율이 1에 가깝다면 대화가 비교적 균형 있게 오간다는 뜻이에요. 반대로 비율이 낮다면 특정 사용자가 대화를 자주 시작하지만 응답을 받지 못한다는 것을 시사합니다. 서로 다른 네트워크의 밀도 도표를 비교할 때, 무엇을 예상하는지 생각해 보세요. 어떤 네트워크가 분포가 더 왜곡될 것 같고, 어떤 네트워크가 비율이 1에 더 가까울 것 같나요?
이 연습은 강의의 일부입니다
사례 연구: R로 하는 네트워크 분석
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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
)