ComeçarComece de graça

Quem é importante na conversa?

Diferentes medidas de centralidade tentam capturar a mesma ideia de "quais vértices são mais importantes". Como vimos antes, essas duas métricas abordam isso de forma um pouco diferente. Lembre-se de que, embora cada uma possa gerar uma distribuição semelhante de medidas de centralidade, a posição de um vértice específico em cada ranking pode variar. Agora vamos comparar os vértices com melhores posições entre os usuários do Twitter.

Os vetores que armazenam a centralidade por autovetor e a centralidade de intermediação estão, respectivamente, em retweet_ec e retweet_btw.

Este exercício faz parte do curso

Estudos de caso: Análise de redes em R

Ver curso

Instruções do exercício

  • Calcule o quantil 0.99 da centralidade de intermediação, retweet_btw.
  • Faça o subconjunto de retweet_btw para valores maiores que esse quantil para manter o top 1%.
  • Faça o mesmo para a centralidade por autovetor, retweet_ec.
  • Execute o código que coloca isso em um data frame e veja os resultados.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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))
)
Editar e executar o código