1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Các nghiên cứu tình huống: Phân tích mạng lưới với R
Connected

Bài tập

Gom cụm và Tính có đi có lại

Những gì bạn đã làm với dyad census trước đó sẽ giúp trực giác về cách các chỉ số ở cấp độ đồ thị khác như tính có đi có lại (reciprocity) và gom cụm (clustering) có thể trông như thế nào trong đồ thị đồng mua hàng của chúng ta. Nhớ lại rằng có 10.754 cạnh trong đồ thị với 10.245 đỉnh, và trong số đó, hơn 3.000 là các cạnh đối ứng, nghĩa là gần 60% số đỉnh có kết nối hai chiều. Với thông tin này, bạn kỳ vọng các thước đo gom cụm và tính có đi có lại sẽ như thế nào? Ta có thể kiểm tra trực giác bằng một mô hình rỗng (null model) thông qua mô phỏng các đồ thị ngẫu nhiên. Dựa trên kết quả mô phỏng trước, bạn mong đợi điều gì ở đây? Liệu tính có đi có lại cũng sẽ cao hơn đáng kể so với mức ngẫu nhiên?

Đồ thị amzn_g đã được cung cấp.

Hướng dẫn 1/3

undefined XP
    1
    2
    3
  • Tính tính có đi có lại của amzn_g bằng reciprocity(), gán vào actual_recip.
  • Tính bậc của đồ thị bằng gorder(), gán vào n_nodes.
  • Tính mật độ cạnh của đồ thị bằng edge_density(), gán vào edge_dens.