Fouille et apprentissage automatique dans les réseaux sociaux dynamique

Abstract

L’analyse de réseaux sociaux est un outil qui s’impose dans de nombreuses sciences. Un de ces outils spécifiques à l’analyse de réseaux sociaux est la détection de communautés. De nombreux algorithmes de détection de communautés ont été développés mais beaucoup ont une approche statique, c’est à dire ne considèrent pas que l’ordre d’apparition a une importance. De plus, ils posent le problème de la robustesse, car ces différents algorithmes proposent des résultats très différents. L’objectif de ce travail est de proposer une nouvelle approche de détection de communautés qui serait stable, précise et efficace pour des réseaux sociaux avec des liens inter-communautés élevés. Pour cela, nous avons défini une nouvelle méthode qui fonctionne en deux phases. Durant la première phase, nous détectons tous les circuits afin de décomposer le réseau initial en petits groupes élémentaires. Dans la deuxième phase, nous proposons une procédure itérative ayant pour objectif l'identification des différentes communautés en fusionnant les différents sous graphes issus de la première phase via un principe de fusion utilisé dans les méthodes basées sur des cliques