Просмотр исходного текста страницы R/Конверсия биграфа в монограф

Превращение [[биграф]]а в [[граф]] = история превращения графа, в котором есть и субъекты - person и объекты

Исходный пример - есть люди и есть группы, к которым они относятся

# obebukhova Литература
# sch27@tagobr.ru     Литература

=== Загружаем исходный файл и переводим ===

 ghist <- read.csv(file.choose(),sep=",", as.is=T, header=T, encoding ="UTF-8") # чтобы сохранить русские значения
 ghist <- na.omit(ghist ) # если там были пропущенные значения, то удалим их

 g2 <- data.frame(User = paste("U",ghist[,1],sep=":" ) , Page = paste("P",ghist[,2],sep=":") ) # если мы хотим добавим указания на страницы и участников
 g2 <- data.frame(User = ghist[,1] , Page = ghist[,2] ) # 

И с этим графом - [[биграф]]ом работаем.


==== bipartite.projection ====

 rm(list=ls())
 df  <- data.frame(perpetrator=c("A","A","B","C","D","A","E","A","F","G"), target=c("a","a","a","b","c","d","e","a","f","f"))
 net <- graph.edgelist(as.matrix(df))
 V(net)$type <- bipartite.mapping(net)$type
 par(mfrow=c(1,2),mar=c(0,1,1,1))
 plot(net, main="Full Network",edge.arrow.size=0.5)
 plot(bipartite.projection(net)$proj2,main="Affilitaton Network")

=== Превращение из биграфа в one-mode ===

  library('Matrix') # пакет для работы с матрицами 

 A <- spMatrix(nrow=length(unique(g2$User)),
              ncol=length(unique(g2$Page)),
              i = as.numeric(factor(g2$User)),
              j = as.numeric(factor(g2$Page)),
              x = rep(1, length(as.numeric(g2$User))) )
 row.names(A) <- levels(factor(g2$User))
 colnames(A) <- levels(factor(g2$Page))
 Arow <- A %*% t(A)  ## Это у нас граф участников
 Acol <- t(A) %*% A ## А это у нас связи группы

=== Отдельно посмотрим на граф участников ===

Скорее всего, он очень большой, так что лучше бы его в output послать


 gu <- graph_from_adjacency_matrix(Arow,mode = c("directed"), weighted = NULL, diag = TRUE, add.colnames = NULL, add.rownames = NA) # получаем граф
 gu <- simplify(gu) # Упрощаем граф


=== Граф статей или групп  ===

 gn <- graph_from_adjacency_matrix(Arow,mode = c("directed"), weighted = NULL, diag = TRUE, add.colnames = NULL, add.rownames = NA) # получаем граф

Или!
 gn <- graph_from_adjacency_matrix(Acol, mode = "undirected", diag = TRUE)
 gn <- graph_from_adjacency_matrix(Acol, mode = c("directed"), diag = TRUE)

и еще лучше с учетом веса:

  gm  <- graph_from_adjacency_matrix(Acol, weighted=T, mode = "undirected") 
  gm <- simplify(gm)
  E(gm)$label = E(gm)$weight # указываем вес на ребрах
  set.seed(10)

Now we need to tansform the graph so that multiple edges become an attribute ( E(g)$weight ) of each unique edge: 

 
 E(gn)$weight <- count.multiple(gn) 
 gn <- simplify(gu) # Упрощаем граф
 
 E(gn)$label = E(gn)$weight # Вес ребра будет показан на нем - label
 plot(gn, layout=layout.fruchterman.reingold, vertex.color="gray60", vertex.size = 15, edge.arrow.size = 0.1, edge.color = "gray80", edge.width = 1+E(gn)$weight/24 )


plot(gn, layout=layout.kamada.kawai, vertex.color="gray60", vertex.size = 25, edge.arrow.size = 0.5, edge.color = "gray80", edge.width = gn$weight )


----

[[Файл:Eduwn.png]]


=== Ссылки: ===
* http://www.r-bloggers.com/working-with-bipartiteaffiliation-network-data-in-r/
* http://www.r-bloggers.com/working-with-bipartiteaffiliation-network-data-in-r/ - Working with Bipartite/Affiliation Network Data in R (Solomon)
** Data can often be usefully conceptualized in terms affiliations between people (or other key data entities). It might be useful analyze common group membership, common purchasing decisions, or common patterns of behavior.- готовый хороший текст + лабораторные работы на стыке [[R]] + [[SoNIA]]
* https://www.r-bloggers.com/collapsing-a-bipartite-co-occurrence-network/
**  http://f.briatte.org/r/turning-keywords-into-a-co-occurrence-network Turning keywords into a co-occurrence network

To convert a two-mode incidence matrix to a one-mode adjacency matrix, one can simply multiply an incidence matrix by its transpose.
 
 n <- m %*% t(m) %>%
  graph_from_adjacency_matrix(mode = "undirected", diag = FALSE, weighted = TRUE)

----
[[Категория:Учебная аналитика]]
[[Категория:R]]