Exploration des interactions humaines pour la modélisation de l'influence dans les réseaux sociaux

par Monika Rakoczy

Projet de thèse en Informatique

Sous la direction de Amel Bouzeghoub, Katarzyna Wegrzyn wolska et de Alda Gancarski.

Thèses en préparation à Paris Saclay , dans le cadre de Sciences et Technologies de l'Information et de la Communication , en partenariat avec SAMOVAR - Services répartis, Architectures, MOdélisation, Validation, Administration des Réseaux (laboratoire) , ACMES (equipe de recherche) et de Télécom SudParis (établissement de préparation de la thèse) depuis le 01-10-2015 .


  • Résumé

    Les systèmes de réseaux sociaux en ligne ne cessent de gagner en popularité. Ils permettent aux utilisateurs d'interagir les uns avec les autres, déplaçant leurs relations entre eux vers le monde virtuel. Les utilisateurs utilisent les plates-formes de médias sociaux comme moyen pour une grande variété d'activités. En effet, les utilisateurs sont capables d'exprimer leurs opinions, de partager leurs expériences, de réagir aux points de vue d'autres utilisateurs et d'échanger des idées. Ces interactions humaines en ligne se déroulent au sein d'une hiérarchie dynamique, dans laquelle nous pouvons observer et distinguer de nombreux rôles liés aux relations entre les utilisateurs, concernant notamment des personnalités influentes, de confiance ou populaires. Ces rôles d'utilisateurs dans les réseaux sociaux sont certainement importants et utiles dans diverses disciplines, telles que le marketing, les campagnes politiques et sociales, les recommandations, etc. Cependant, les notions concernant de telles relations sont encore vaguement définies et posent de nombreux défis, tant sur le plan théorique que pratique, et doivent encore être explorées. Dans cette thèse, nous nous concentrons sur les rôles des utilisateurs connectés à quatre concepts importants: influence, réputation, confiance et popularité, dans le champ de l'analyse des réseaux sociaux. Nous analysons les travaux existants en utilisant ces notions et nous comparons et contrastons leurs interprétations. Nous soulignons les caractéristiques les plus importantes que ces concepts devraient inclure et nous effectuons une analyse comparative des termes. Grâce à cela, la première contribution de la thèse concerne les notions de classification globale concernant leur niveau abstrait, définit les termes et les distingue les uns des autres. De plus, nous explorons à fond la notion d'influence. La deuxième contribution traite de l'influence entre les communautés dans les réseaux sociaux. Nous proposons une amélioration d'un modèle d'influence basé sur la littérature pour évaluer l'impact par paires entre les communautés dans les réseaux de citations. Nous présentons ensuite une nouvelle méthode d'influence en cours d'exécution pour estimer la valeur d'influence en cours d'ensemble d'une communauté donnée, qui prend en compte la dépendance temporelle du réseau. De plus, nous étudions également les dépendances entre deux des notions: influence et réputation. En particulier, nous proposons une méthode de transition, la prédiction de la réputation utilisant la conversion d'influence (RePI), qui utilise les informations d'influence existantes provenant du réseau social afin de prédire la fiabilité collective du nœud, ou, en d'autres termes, la réputation. Il est important de noter qu'une estimation réussie de l'influence entre les utilisateurs nécessite que le modèle soit suffisamment expressif pour décrire de manière complète diverses réactions. Par conséquent, nous proposons enfin le modèle ARIM (Action-Reaction Influence Model), une méthode flexible qui prend en compte le type, la qualité, la quantité et le temps des réactions et, par conséquent, évalue les dépendances d'influence au sein du réseau social. De plus, nous étudions un nouveau phénomène de réseau social: des utilisateurs avec un public plus petit mais très impliqué. On constate que ces utilisateurs ont toujours un impact important. C'est pourquoi nous proposons un nouveau concept de micro-influenceurs dans le contexte de l'analyse de réseau social, définissons la notion et utilisons ARIM pour les découvrir. Pour les approches proposées, des expériences ont été menées sur des jeux de données du monde réel et démontrent la pertinence des méthodes.

  • Titre traduit

    Exploration of Human Interactions for Influence Modeling in Online Social Networks


  • Résumé

    Online social networking systems are constantly growing in popularity. They are enabling users to interact with one another, shifting relations between them to virtual world. Users utilize social media platforms as a mean for a rich variety of activities. Indeed, users are able to express their opinions, share their experiences, react to other users' views and exchange ideas. Such online human interactions take place within a dynamic hierarchy, were we can observe and distinguish many roles related to relations between the users, concerning, amongst others, influential, trusted or popular individuals. These roles of users in social networks are definitely significant and useful in various disciplines, such as marketing, political and social campaigns, recommendations and others. However, the notions concerning such relations are still vaguely defined and are posing numerous challenges, bot on theoretical and practical ground, and are yet to be explored. In this thesis, we focus on the roles of users connected to four important concepts: influence, reputation, trust and popularity, in the scope of social networks analysis. We analyze existing works utilizing these notions and we compare and contrast their interpretations. We emphasize the most important features that these concepts should include and we make a comparative analysis of the terms. Thanks to this, the first contribution of the thesis involves the notions global classification concerning their abstract level, define the terms and distinguish them from one another. Furthermore, we thoroughly explore the influence notion. The second contribution deals with influence between communities in social networks. We propose an improvement of a literature-based Influence model for evaluating the pairwise impact between communities in citation networks. We then present a new method of Running Influence for estimating the overall running influence value of particular community that considers time-dependency of the network. Moreover, we also investigate the dependencies between two of the notions: influence and reputation. In particular, we propose a transition method, Reputation Prediction using Influence Conversion (RePI), that uses existing influence information from social network in order to predict the collective trustworthiness of the node, or, in other words, reputation. Importantly, a successful estimation of the influence between users requires model to be expressive enough to fully describe various reactions. Therefore, we finally propose Action-Reaction Influence Model (ARIM), a flexible method that considers type, quality, quantity and time of reactions and, as a result, the assesses the influence dependencies within the social network. Additionally, we investigate a new phenomena of social network: users with smaller but highly involved audience. Such users are observed to still be highly impactful. Hence, we propose a new concept of micro-influencers in the context of Social Network Analysis, define the notion and use ARIM in order to discover them. For the proposed approaches, experiments have been conducted on real-world datasets and demonstrate suitability of the methods.