Geschäftskontext
Eine Marketingagentur möchte die einflussreichsten Nutzer in einem sozialen Netzwerk identifizieren, um eine virale Kampagne zu starten. Das Ziel ist es, Nutzer mit vielen direkten Verbindungen (Degree) und hohem globalen Einfluss (PageRank) zu finden, da diese Informationen am schnellsten verbreiten können.
Datenaufbereitung
Erstellung eines kleinen, gerichteten sozialen Graphen mit einigen hoch vernetzten Knoten.
Kopiert!
| 1 | |
| 2 | DATA mycas.SocialGraph; |
| 3 | LENGTH from $10 to $10; |
| 4 | INPUT from $ to $ weight; |
| 5 | DATALINES; |
| 6 | UserA UserB 1 UserA UserC 1 UserB UserC 1 UserC UserA 1 UserD UserC 1 UserE UserC 1 UserC UserF 1; |
| 7 | |
| 8 | RUN; |
| 9 |
Étapes de réalisation
1
Laden der Daten in den Speicher.
Kopiert!
| 1 | |
| 2 | PROC CAS; |
| 3 | TABLE.loadTable / path='SocialGraph.sashdat' caslib='casuser' casOut={name='SocialGraph', replace=true}; |
| 4 | |
| 5 | RUN; |
| 6 |
2
Berechnung von PageRank und Grad-Zentralität für einen gerichteten Graphen.
Kopiert!
| 1 | |
| 2 | PROC CAS; |
| 3 | network.centrality / links={name='SocialGraph'} outNodes={name='InfluencerScores', replace=true} direction='DIRECTED' degree='BOTH' pageRank='WEIGHT' pageRankAlpha=0.85; |
| 4 | |
| 5 | RUN; |
| 6 |
Erwartetes Ergebnis
Die Tabelle 'InfluencerScores' wird erstellt. UserC sollte die höchsten Werte für 'PageRank' und 'DegreeOut' aufweisen, da er von vielen anderen Knoten referenziert wird und zentral im Netzwerk liegt.