Thèse soutenue

Détection de communautés dans les réseaux d'information utilisant liens et attributs

FR  |  
EN
Auteur / Autrice : David Combe
Direction : Christine LargeronElöd Egyed-Zsigmond
Type : Thèse de doctorat
Discipline(s) : Informatique
Date : Soutenance le 15/10/2013
Etablissement(s) : Saint-Etienne
Ecole(s) doctorale(s) : École doctorale Sciences Ingénierie Santé (Saint-Etienne)
Jury : Président / Présidente : Pierre Maret
Examinateurs / Examinatrices : Mathias Géry
Rapporteurs / Rapporteuses : Hamamache Kheddouci, Emmanuel Viennet

Résumé

FR  |  
EN

Alors que les réseaux sociaux s'attachent à représenter des entités et les relations existant entre elles, les réseaux d'information intègrent également des attributs décrivant ces entités ; ce qui conduit à revisiter les méthodes d'analyse et de fouille de ces réseaux. Dans ces travaux, nous proposons des méthodes de classification des entités du réseau d'information qui exploitent d'une part les relations entre celles-ci et d'autre part les attributs les caractérisant. Nous nous penchons sur le cas des réseaux à vecteurs d'attributs, où les entités du réseau sont décrites par des vecteurs numériques. Ainsi nous proposons des approches basées sur des techniques reconnues pour chaque type d'information, faisant appel notamment à l'inertie pour la classification automatique et à la modularité de Newman et Girvan pour la détection de communautés. Nous évaluons nos propositions sur des réseaux issus de données bibliographiques, faisant usage en particulier d'information textuelle. Nous évaluons également nos approches face à diverses évolutions du réseau, notamment au regard d'une détérioration des informations des liens et des attributs, et nous caractérisons la robustesse de nos méthodes à celle-ci