比较提及图与转推图
通过查看入度与出度的比值，我们可以从每个网络中得到略有不同的见解。对于转推网络，它能显示那些经常被转推但自己很少转推的用户（比值高），以及那些经常转推但不常被转推的用户（比值低）。同样地，如果在提及图中的入/出比接近 1，则说明对话相对均衡。然而，较低的比值意味着某个用户经常发起对话，但很少收到回应。比较不同网络的密度图时，请思考您的预期：您认为哪个网络的分布会更偏斜，哪个网络的比值会更接近 1？
本练习是课程的一部分
案例研究：用 R 进行网络分析
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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
)