Версия 20:05, 13 марта 2016

Превращение биграфа в граф = история превращения графа, в котором есть и субъекты - person и объекты

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

1. obebukhova Литература
2. 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] ) # или 

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

=

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