Geschäftskontext
Ein soziales Netzwerk analysiert 'Follower'-Beziehungen. Die Daten sind 'schmutzig': Es gibt Eigenreferenzen (Nutzer folgt sich selbst), doppelte Einträge und es ist ein gerichteter Graph (A folgt B heißt nicht, dass B A folgt). Wir suchen nach 'Schwach Zusammenhängenden Komponenten' trotz Datenrauschen.
Über das Set : optNetwork
Netzwerkanalyse und Graphenalgorithmen.
Entdecken Sie alle Aktionen von optNetwork Datenaufbereitung
Erstellung von Daten mit Eigenreferenzen (Self-Links) und Mehrfachnennungen (Multi-Links).
Kopiert!
| 1 | |
| 2 | DATA mycas.social_graph; |
| 3 | INPUT user_a $ user_b $; |
| 4 | DATALINES; |
| 5 | UserA UserB UserA UserB UserB UserC UserC UserC UserD UserE ; |
| 6 | |
| 7 | RUN; |
| 8 |
Étapes de réalisation
1
Ausführung mit expliziter Behandlung von Self-Links und Multi-Links im gerichteten Modus (DFS)
Kopiert!
| 1 | |
| 2 | PROC CAS; |
| 3 | ACTION optNetwork.connectedComponents / links={name="social_graph"} direction="DIRECTED" selfLinks=TRUE multiLinks=TRUE algorithm="DFS" outNodes={name="SocialComponents", replace=true}; |
| 4 | |
| 5 | RUN; |
| 6 |
Erwartetes Ergebnis
Die Aktion darf nicht aufgrund der Duplikate (UserA->UserB zweimal) oder des Self-Links (UserC->UserC) abstürzen. UserA, UserB und UserC sollten eine Komponente bilden (abhängig von der Definition schwach/stark im DFS). UserD und UserE bilden eine eigene. Die Optionen `selfLinks` und `multiLinks` sorgen für eine korrekte Verarbeitung des 'Rauschens'.