比較 mention 與 retweet 圖形
透過觀察入度與出度的比值（in/out ratio），你可以從每個網路看出一些不同的現象。以 retweet 網路為例，較高的比值代表那些常被轉推但自己不太轉推的使用者；較低的比值則代表常轉推別人但不常被轉推的使用者。類似地，在 mention 圖中，如果 in/out 比值接近 1，代表對話相對均衡。然而，若比值很低，則暗示某位使用者常發起對話，但較少獲得回應。當你比較不同網路的密度圖時，想想你會預期看到什麼：你認為哪一個網路的分佈會更偏斜？哪一個又可能更接近比值為 1？
本練習屬於課程
案例研究：R 的網路分析
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。
# Read this code
mention_data <- data_frame(
graph_type = "mention",
degree_in = degree(mention_graph, mode = "in"),
degree_out = degree(mention_graph, mode = "out"),
io_ratio = degree_in / degree_out
)
# Create a dataset of retweet ratios from the retweet_graph
retweet_data <- data_frame(
graph_type = "___",
degree_in = degree(___, mode = "___"),
degree_out = degree(___, mode = "___"),
io_ratio = degree_in / degree_out
)