Chỉ số cấp nút

Phân tích dữ liệu mạng xã hội bằng Python

Alex Hanna

Computational Social Scientist

Centrality: tầm quan trọng của nút

Centrality (độ trung tâm)
- Đo mức độ quan trọng của một nút trong mạng
- Có nhiều cách hiểu khác nhau về "tầm quan trọng"

Độ trung tâm theo bậc

Bậc (Degree)

Số cạnh nối với nút
Hai loại bậc trong mạng có hướng
- In-degree - cạnh đi vào nút
- Out-degree - cạnh đi ra khỏi nút

nx.in_degree_centrality(T)
nx.out_degree_centrality(T)

Độ trung tâm theo in-degree

Độ trung tâm trung gian (Betweenness)

Có bao nhiêu đường đi ngắn nhất giữa hai nút đi qua nút này
Tầm quan trọng như một "broker" trong mạng

nx.betweenness_centrality(T)

Độ trung tâm trung gian

In ra các nút có độ trung tâm cao nhất

bc = nx.betweenness_centrality(T)

betweenness = pd.DataFrame(
      list(bc.items()), 
      columns = ['Name', 'Cent'])

print(betweenness.sort_values(
       'Cent', 
       ascending = False).head())

    Name  Centrality
0      0    0.232540
23    23    0.158514
7      7    0.158514
15    15    0.158514
21    21    0.157588

Độ trung tâm trung gian

Centrality trong các mạng khác nhau

Bảng 2x3 về centrality

Tỷ lệ

degree_rt = pd.DataFrame(list(G_rt.in_degree()), 
                         columns = ['screen_name', 'degree'])
degree_reply = pd.DataFrame(list(G_reply.in_degree()),
                            columns = ['screen_name', 'degree'])

ratio = degree_rt.merge(degree_reply, 
                        on = 'screen_name', 
                        suffixes = ('_rt', '_reply'))

ratio['ratio'] = ratio['degree_reply'] / ratio['degree_rt']

Cùng luyện tập nào!

Phân tích dữ liệu mạng xã hội bằng Python