optNetwork clique

Skalierbarkeitstest: Community-Erkennung in großen sozialen Netzwerken

Scénario de test & Cas d'usage

Geschäftskontext

Eine Social-Media-Plattform analysiert Millionen von Verbindungen, um Marketing-Zielgruppen (Communities) zu finden. Da der Graph riesig ist, muss die Berechnung zeitlich begrenzt werden und darf nur die relevantesten (größten) Cliquen liefern, um die Systemressourcen nicht zu überlasten.
Über das Set : optNetwork

Netzwerkanalyse und Graphenalgorithmen.

Entdecken Sie alle Aktionen von optNetwork
Datenaufbereitung

Simulation eines größeren Netzwerks mit vielen zufälligen Verbindungen.

Kopiert!
1DATA mycas.social_graph;
2 call streaminit(123);
3 DO i = 1 to 10000;
4 from_node = rand('integer', 1, 500);
5 to_node = rand('integer', 1, 500);
6 IF from_node ne to_node THEN OUTPUT;
7 END;
8RUN;

Étapes de réalisation

1
Laden des Action-Sets.
Kopiert!
1PROC CAS;
2 LOADACTIONSET 'optNetwork';
3RUN;
2
Ausführung mit Zeitlimit und Begrenzung der Ausgabemenge.
Kopiert!
1PROC CAS;
2 optNetwork.clique /
3 links={name='social_graph'}
4 maxTime=60
5 maxCliques=50
6 cliqueNumber=TRUE
7 out={name='top_communities', replace=true};
8RUN;

Erwartetes Ergebnis


Die Aktion sollte innerhalb von 60 Sekunden abgeschlossen sein (oder vorher durch das Zeitlimit gestoppt werden) und maximal 50 Cliquen in 'top_communities' speichern. Zusätzlich wird die 'cliqueNumber' (Größe der größten Clique) im Ergebnisobjekt ausgegeben.