Utiliser l’analyse d’agrégat

L’analyse d’agrégat mesure la connexion globale d’un graphique et indique le nombre de nœuds individuels regroupés dans un agrégat. Un agrégat tend à être un groupe de nœuds extrêmement connectés qui partagent des voisins communs.

Pour effectuer une analyse d’agrégat, procédez comme suit :

1. Cliquez sur le bouton Link Analysis (Analyse de liens) sur l’onglet Diagram (Diagramme) de Link Chart (Diagramme de liens) pour ouvrir la fenêtre des outils d’analyse.

   Pour réduire la fenêtre, cliquez sur le bouton en forme de flèche en haut à gauche.

2. Sous Analysis Method (Méthode d’analyse), sélectionnez Clustering (Agrégation).
3. Sous Clustering Algorithm (Algorithme d’agrégation), sélectionnez l’une des options suivantes :
   • Biconnected Components (Composants biconnectés) : partitionne le réseau en agrégats en analysant ses composants biconnectés. Un composant biconnecté est un sous-graphique qui est connecté et non séparable. Cela signifie que si un seul nœud est retiré, le composant est toujours connecté. Les nœuds sont toujours agrégés de telle sorte que les nœuds au sein de chaque agrégat sont biconnectés. Les nœuds appartenant à plusieurs composants biconnectés sont attribués à exactement un agrégat.
   • Edge Betweenness (Intermédiarité des segments) : partitionne le réseau en agrégats à l’aide de la centralité d’intermédiarité des segments. Pour déterminer cela, des itérations ont lieu dans lesquelles le segment doté de la centralité d’intermédiarité la plus élevée est retiré du réseau. Les itérations cessent lorsqu’il n’existe plus de segments à retirer ou si le nombre maximal demandé d’agrégats est trouvé. L’agrégation dotée de la meilleure qualité est renvoyée.
   • Hierarchical (Hiérarchique) : partitionne le réseau en agrégats grâce à l’agrégation hiérarchique. L’agrégation hiérarchique crée une hiérarchie d’agrégats dans une approche du bas vers le haut basée sur une mesure de distance et une liaison. L’agrégation s’effectue grâce à la stratégie d’agglomération (par exemple, du bas vers le haut) en fonction des agrégats auxquels chaque nœud appartient. À chaque étape, des agrégats sont fusionnés au fur et à mesure du déplacement vers le haut de la hiérarchie. La dissemblance entre les agrégats est déterminée en fonction de la liaison et de la mesure de distance de nœud données.
   • K-Means (Algorithme des K-moyennes) : partitionne le réseau en agrégats K en fonction de leur position de telle sorte que la distance du nœud au centroïde moyen des agrégats soit réduit au minimum.

   L’analyse s’exécute et les résultats tabulaires apparaissent dans la fenêtre d’analyse.

Vous pouvez interagir avec les résultats tabulaires dans la fenêtre d’analyse.