Fouille et apprentissage automatique dans les réseaux sociaux dynamique

Abstract

RESUME : 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.

ABSTRACT : The social networks analysis is a tool that is necessary in many sciences. One such specific tools for social network analysis is community detection. Many of community detection algorithms have been developed but many have a static approach, or do not consider the order of appearance in importance. De plus, they pose the problem of robustness, as these algorithms propose very different results. The objective of this work is to propose a new community detection approach that would be stable, precise and effective social networks with high inter-community links. For this we have defined a new method that works in two phases. During the first phase, we detect all circuits to decompose the original network into small elementary groups. In the second phase, we propose an iterative procedure aimed identification of the different communities by merging the different sub graphs from the first phase through a principle used in fusion methods based on cliques.