L'Analyse de Cohésion Absolue avec Proc Network

Comment l'identification des cliques maximales peut-elle transformer votre analyse de réseau social ou de fraude ? - clique

L'identification des cliques, c'est-à-dire des sous-graphes où chaque nœud est connecté à tous les autres nœuds, est fondamentale dans l'analyse de réseaux complexes. D'un point de vue métier, l'action clique permet de détecter des communautés fortement soudées au sein de vastes ensembles de données. Cela est particulièrement puissant pour la détection de fraudes en bande organisée, la segmentation de clientèle très précise, ou l'identification d'influenceurs clés dans un réseau de télécommunications. En utilisant l'architecture distribuée en mémoireGemini said
Espace de stockage temporaire (RAM) utilisé par le moteur CAS pour charger et traiter les données à haute vitesse, minimisant les accès disque pour optimiser les performances de SAS Viya. de SAS Cloud Analytic ServicesMoteur analytique distribué et en mémoire (in-memory) au cœur de SAS Viya. Il assure le traitement des données et l'exécution des modèles avec une très haute performance., cette analyse peut être effectuée sur des milliards de connexions avec une performance inégalée en activant le paramètre distributed.

Exemples pour l'action clique

Recherche de base des cliques

Exécute l'algorithme sur les données par défaut pour trouver la première clique maximale.

Extraction exhaustive de toutes les cliques de taille 3+

On demande au moteur de trouver absolument TOUTES les cliques (maxCliques='ALL') qui ont au moins 3 membres (minSize=3).

Vous pourriez aussi aimer...

Conseil de l'Expert

Ne cherchez pas systématiquement les cliques maximales sur l'ensemble de votre graphe global (Full Graph). Pour optimiser les performances de l'algorithme de Bron-Kerbosch distribué, filtrez d'abord les liens faibles ou utilisez l'action projection pour réduire le bruit. Une clique de taille 10 dans un réseau de fraude est souvent un signal bien plus fort qu'une communauté de 100 membres faiblement connectés.

Piliers Techniques de l'Algorithme de Clique

Complexité NP-Hard et Élagage : L'action clique utilise des techniques de "branch-and-bound" pour gérer l'explosion combinatoire sur les gros volumes de données.
Seuils de Filtrage (minNodes) : Paramétrage essentiel pour ignorer les micro-cliques (paires/triades) et se concentrer sur les structures organisationnelles complexes.
Équilibre Précision vs Rappel : La clique impose une densité de 100%. Pour des réseaux plus permissifs, on privilégiera les k-plexes ou le Louvain clustering.