Zacznij terazZacznij za darmo

Kto jest ważny w tej rozmowie?

Różne miary centralności próbują uchwycić podobną ideę: „które wierzchołki są najważniejsze?". Jak omawialiśmy wcześniej, te dwie metryki podchodzą do tego zagadnienia nieco inaczej. Pamiętaj, że choć każda z nich może dawać podobny rozkład wartości centralności, pozycja poszczególnego wierzchołka w rankingu może się między nimi różnić. Teraz porównamy wierzchołki najwyżej sklasyfikowanych użytkowników Twittera.

Wektory przechowujące centralność własną (eigen) i pośrednictwa (betweenness) są zapisane odpowiednio jako retweet_ec i retweet_btw.

To ćwiczenie jest częścią kursu

Studia przypadków: analiza sieci w R

Zobacz kurs

Instrukcje do ćwiczenia

  • Oblicz kwantyl 0.99 dla centralności pośrednictwa retweet_btw.
  • Wybierz z retweet_btw wartości większe niż ten kwantyl, aby zachować górny 1%.
  • Zrób to samo dla centralności własnej retweet_ec.
  • Uruchom kod, który umieszcza te wartości w ramce danych, i przyjrzyj się wynikom.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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))
)
Edytuj i uruchom kod