Gephi med Twitter Data (7 / 8 steg)

Steg 7: Analysera data.

Första ju närmare data är mer med två noder. De är mest sannolikt att ha mer av samma personer som vänner eller efter varandra. Titta på excentricitet, kan du se vilka punkter är i centrera av data. Dessa punkter är mer benägna att ha en tweet eller post spridning om du fokuserar något på en av dessa användare. Slutligen, titta på högsta grad visar som är den mest anslutna och också kunde vara bra att se hur data sprids. Detta skulle vara det område som skulle behöva riktas för att sprida ut data mest.

Exempel

Detta avsnitt ger exempel på hur man använder dessa data. Det här exemplet kommer de data som används att söka #NetNeutrality, på Twitter.

Efter att ha kört Gephi, följa instruktionerna ovan, kan grafen gjorde ses i figur 1.

Efter att titta på dessa data, är det första som användaren bör märka två ring cirkeln i nederst högra. Detta kan ses i figur 2.

Från detta kan vi se hur alla punkter är relaterade till den centrala punkten. Från detta vet vi den gröna pricken är definitivt en ledare i samtal om nätneutralitet. Detta kan ses av bara från hur stor noden är och att det är centralt för alla andra noder. Det kan också ses detta som den enda poängen med hög excentricitet. Detta visar att detta en stor rikta att antingen följa om du vill lära dig mer om nätneutralitet, eller direkt tweets på om du vill få uppmärksamhet av en stor pool av människor.

Titta på resten av figuren verkar det som de flesta kluster är slumpmässigt utspridda. Detta visar hur det kan vara svårt att hitta en annan anslutning som förenar så många människor som den gröna pricken från ovan gör. Men kan du också berätta från ser ovan att den gigantiska pricken knappast är ansluten till utsidan. Detta gör det verka som användaren kan vara specifika för en viss del av världen eller ämnet i denna debatt. I det här exemplet råkar den gröna pricken vara ledare för nätneutraliteten rörelsen i Indien. Detta visar hur du fortfarande behöver förstås ramen för användaren. Detta kanske inte är den bästa användaren att använda, om du fokuserar i denna region, och du kanske vill titta i andra slumpmässiga kluster att se om du kan något bättre att använda.