La fonction Algorithmes vous permet d'appliquer une centralité à un modèle. La centralité permet de mesurer l'importance et la signification de différentes entités et relations. Lorsque vous exécutez des algorithmes de centralité, plus la valeur est élevée, plus l'élément est important.
Cliquez sur la liste déroulante Algorithme pour sélectionner le genre de mesure de centralité à appliquer à votre modèle.
Éléments intermédiaires : permet d'identifier les entités qui contrôlent le flux d'informations entre les différentes parties du réseau.
Proximité : permet d'identifier les entités dotées du meilleur accès aux autres parties du réseau et de la meilleure visibilité sur les activités dans le reste du réseau.
Degré : permet d'identifier les entités dotées des liens les plus directs les uns avec les autres.
Influence : permet d'identifier les entités dotées d'une forte influence dans le réseau en raison de leurs liens directs avec d'autres entités hautement actives ou bien connectées.
Sélectionnez la direction dans laquelle appliquer l'algorithme :
Entrant : les résultats seront basés sur les relations arrivant dans l'entité.
Sortant : les résultats seront basés sur les relations sortant de l'entité.
Les deux : les résultats seront basés à la fois sur les relations sortantes et entrantes.
Si vous utilisez un algorithme Influence, faites coulisser l'échelle Précision pour déterminer la précision des résultats. Une précision plus faible renverra des résultats plus exacts, mais l'algorithme s'exécutera plus lentement.
Si vous utilisez un algorithme Proximité, cliquez sur le bouton approprié pour la manière dont les résultats doivent être renvoyés :
Standard : les résultats sont basés sur le nombre de pièces jointes ou de relations dont une entité dispose, ainsi que sur l'inverse de la somme des chemins d'accès les plus courts à chaque entité.
Dangalchev : les résultats sont non seulement basés sur le nombre d'entités liées à une autre entité, mais également sur le nombre de relations dans chacune des entités liées.
Opsahl : les résultats sont basés sur la somme de l'inverse des chemins les plus courts de chaque entité.
Cliquez sur l'option Utiliser la propriété de la relation comme pondération si vous souhaitez mesurer la favorabilité d'une relation et sélectionnez la propriété de relation à utiliser dans la liste déroulante Propriété. Dans ce cas-ci, une valeur plus élevée indique une association négative.
Cochez la case Les valeurs faibles sont plus significatives si vous utilisez une propriété de relation comme pondération et que, dans celle-ci, une valeur plus faible est considérée meilleure qu'une valeur plus élevée. Par exemple, si la propriété représente une sorte de système de classement, en général, 1 (ou 1er) est la meilleure valeur. Autre exemple, si la propriété est une distance et que vous essayez de déterminer l'itinéraire le plus court : 5 km et considéré meilleur que 10 km.
Cliquez sur l'option Remplacer le nom de propriété de sortie par défaut si vous souhaitez que le nom de propriété de sortie ne soit pas l'algorithme que vous avez sélectionné. Ensuite, saisissez le nouveau nom dans le champ Propriété.
Cliquez sur Exécuter.
Cliquez sur l'onglet Travaux pour visualiser les détails du travail après avoir exécuté l'algorithme. Il indiquera l'ID du job, le nom du modèle, l'algorithme utilisé, le statut du job, l'heure de départ et l'heure d'arrivée. Plus le modèle est volumineux, plus l'exécution de l'algorithme est longue. Observez la colonne Statut pour déterminer si un travail est toujours en cours d'exécution.
Remarque :
Les résultats ne sont pas enregistrés au fil du temps. Si vous fermez Relationship Analysis et que vous ouvrez de nouveau l'application, les informations de l'onglet Jobs sont effacées.