誰在對話中最重要？
不同的中心性衡量方法，目的都在回答「哪些頂點最重要」。如同先前討論，這兩個指標的切入點略有不同。請記住，即使它們給出的中心性分布可能相似，個別頂點在兩個指標下的排名仍可能不同。現在我們要比較 Twitter 使用者中排名最高的頂點。
儲存 eigen-centrality 與 betweenness centrality 的向量分別是 retweet_ec 與 retweet_btw。
本練習屬於課程
案例研究：R 的網路分析
練習說明
- 計算 betweenness
retweet_btw的0.99分位數。 - 將
retweet_btw中大於該分位數的值取出，保留前 1%。 - 對 eigen-centrality
retweet_ec做相同的事。 - ︱執行會把這些結果放進 data frame 的程式碼並查看結果︱。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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))
)