Kom igångKom igång gratis

Vilka är viktiga i konversationen?

Olika mått på centralitet försöker alla fånga samma grundläggande fråga: "vilka noder är viktigast?" Som vi diskuterade tidigare angriper de två måtten frågan på lite olika sätt. Tänk på att även om de kan ge en liknande fördelning av centralitetsvärden, kan enskilda noder rangordnas olika beroende på vilket mått du använder. Nu ska vi jämföra de högst rankade Twitter-användarna.

Vektorerna som lagrar egenvektorcentralitet och mellanhetscentralitet finns lagrade som retweet_ec respektive retweet_btw.

Den här övningen är en del av kursen

Fallstudier: Nätverksanalys i R

Visa kurs

Övningsinstruktioner

  • Beräkna 0.99-kvantilen för mellanhetscentraliteten, retweet_btw.
  • Filtrera retweet_btw så att bara värden som överstiger denna kvantil behålls, det vill säga de översta 1 %.
  • Gör samma sak för egenvektorcentraliteten, retweet_ec.
  • Kör koden som sammanställer resultaten i en dataram och granska utdata.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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))
)
Redigera och kör kod