- Scaricate utenti followers (api.followers) e utenti following (api.friends) di
questi cinque account (i dati numerici potrebbero subire minime variazioni):
- @mizzaro - 156 Follower - 331 Following
- @damiano10 - 785 Follower - 836 Following
- @Miccighel_ - 331 Follower - 211 Following
- @eglu81 - 540 Follower - 621 Following
- @KevinRoitero - 103 Follower - 256 Following
- Scegliete 5 utenti followers a caso tra quelli di ciascuno dei cinque account e scaricate ulteriori 10 utenti followers (followers dei followers)
- Scegliete 5 utenti following a caso tra quelli di ciascuno dei cinque account e scaricate ulteriori 10 utenti following (following dei following)
- Scaricare i dettagli del profilo di tutti gli utenti recuperati
- Costruite la rete sociale (grafo):
- Inserite l’id di ciascun utente come identificatore del nodo
- Ogni arco rappresenta una relazione follows tra due utenti
- Inserite i dettagli del profilo di ciascun utente come attributi del nodo
- Inserite i membri del vostro gruppo come attributi del grafo
- Per ogni nodo, aggiungete un attributo con il numero di follower individuati
- Producete una visualizzazione interattiva del grafo usando pyvis
- Verificate se il grafo:
- è connesso (is_connected)
- è bipartito (is_bipartite)
- Misurate le seguenti distanze sul grafo:
- Centro (center)
- Diametro (diameter)
- Raggio (radius)
- Calcolate le seguenti misure di centralità sul grafo:
- Betweenness centrality (betweenness_centrality)
- Closeness centrality (closeness_centrality)
- Degree centrality (degree_centrality)
- In-degree centrality (in_degree_centrality)
- Out-degree centrality (out_degree_centrality)
- Page Rank (pagerank)
- HITS (hits)
- Generate il sottografo indotto dal nodo damiano10 (ego_graph) e calcolate:
- Cricca massima (max_clique)
- Dimensione della cricca massima (large_clique_size)
- Calcolate la copertura minima degli archi (min_edge_cover) del grafo
- Calcolate i seguenti coefficienti per stimare la “small-world-ness” del grafo:
- Coefficiente omega (omega)
- Coefficiente sigma (sigma)
- Calcolare la correlazione di Pearson Rho e di Kendall Tau fra le misure di centralità; riportare il risultato in due tabelle
- Viste le limitazione poste sugli endpoint da Twitter, durante la prima fase parallelizzate il lavoro (ognuno scarica dati da un account alla volta), serializzate e deserializzate a posteriori
- Tutte le misure, proprietà e verifiche richieste sono definite nella documentazione di NetworkX
- mizzaro10: Emanuele
- damiano10:
- Miccighel_: Thomas
- eglu81: Samuele
- KevinRoitero: Claudio