Thèse soutenue

Etude des Réseaux Sociaux : modélisation et analyse
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Yonathan Portilla
Direction : Rachid El-AzouziEitan Altman
Type : Thèse de doctorat
Discipline(s) : Informatique
Date : Soutenance le 20/05/2019
Etablissement(s) : Avignon
Ecole(s) doctorale(s) : École doctorale 536 « Sciences et agrosciences » (Avignon)
Partenaire(s) de recherche : Laboratoire : Laboratoire informatique d'Avignon
Equipe de recherche : Institut national de recherche en informatique et en automatique (France). Unité de recherche (Sophia Antipolis, Alpes-Maritimes)
Jury : Président / Présidente : Patrice Bellot
Examinateurs / Examinatrices : Patrice Bellot, Jocelyne Elias, Jean Marc Francony, Tijani Chahed
Rapporteurs / Rapporteuses : Jocelyne Elias, Jean Marc Francony

Mots clés

FR  |  
EN

Mots clés contrôlés

Résumé

FR  |  
EN

Actuellement les réseaux sociaux, se focalisent sur le partage et échange des opinions, vidéos,photos, musique, actualités et autres informations, un de ses objectifs c’est d’établir des liens directs et indirects avec les utilisateurs. Les réseaux sociaux permettent aussi de promouvoir des produits, des personnes (leur image politique ou artistique) ou des marques influentes.Les réseaux sociaux changent rapidement, pour cette raison on cherche a voir l’évolution de ces outils de partage, et aussi voir comment les réseaux sociaux changent avec le temps.On a l’opportunité d’étudier les événements qui se produisent dans les réseaux sociaux grâce à la quantité des données qui se produisent. Dans le marché actuel il y a des outils qui permettent l’analyse des réseaux sociaux, mais la plus part est payante, et les outils 100% gratuits disparaissent avec le temps. Pour cette raison nous avons décidé de produire des outils informatiques capables d’extraire et analyser les données des réseaux sociaux étudiés.Cet étude commence avec l’état de l’art, ou on décrit le contexte du problème abordé, les travaux qui sont à l’origine de cette étude et un résumé des contributions faites au cours de la thèse que nous présentons brièvement dans le reste du résumé.i. D’abord nous nous focalisons dans l’empreinte géo-linguistique et l’évolution du langage en Twitter. L’accès au contenu des messages envoyés par un groupe des abonnées d’un réseau social peut être utilisé pour identifier et quantifier certaines spécificités d’un groupe.La spécificité peut représenter le niveau d’intérêt pour un événement ou un produit, ou la popularité d’une idée, un hit musicale ou une figure politique. La spécificité peut aussi représenter la façon comment le langage est utilisé et transformé, la façon comment les mots sont écrits et la manière comme apparaissent des nouvelles règles de grammaire.ii. Ensuite nous étudions l’évolution du phénomène culturel appelé mème dans les réseaux sociaux. Les mèmes ont été définies par R. Dowkins comme un phénomène culturel qui se propage a travers de formes non génétiques. Nous examinons trois des plus populaires mèmes de l’internet et nous examinons leur impact dans la société dans les Pays Méditerranéens. Nous utilisons pour les analyses Google Trends, Topsy (un outil pour mesurer la popularité des mots sur Twitter) et YouTube pour quantifier l’impact des mèmes dans la société du Méditerranée.iii. Après cela nous étudions le graphe de recommandations de YouTube basées sur les mesures et les outils stochastiques. Nous confirmons que les listes de recommandations influencent les vues d’une vidéo. Nous nous focalisons sur le système de recommandations qui boostent la popularité des vidéos. Nous construisons en premier un graphe qui capture le système de recommandations dans YouTube et nous étudions la relation entre le nombre de vues d’une vidéo et la moyenne du nombre de vues d’une vidéo dans sa liste de recommandation.iv. Pour conclure nous décrivons les outils disponibles en ligne et les outils que nous avons développés pendant l’écriture de la thèse. Les outils en ligne Topsy, Trendistic et GoogleTrends nous ont permit d’analyser des plateformes comme YouTube et Twitter. On a produit aussi des outils basés sur les API’s : dans Twitter nous avons utilisé la fonction Streaming pour télécharger et analyser les tweets , avec l’API de Topsy nous avons étudié l’évolution de la langue et l’utilisation des mots , et les API’s de YouTube nous ont permis de décrire la façon dont se comportent les listes de recommandations et la popularité des vidéos.