Une approche de blockmodeling généralisée générique

Extended Generalized Blockmodeling

• Auteur / Autrice : Micheli Knechtel lessa
• Direction : Serigne Abdoulaye Gueye
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 28/01/2021
• Etablissement(s) : Avignon
• Ecole(s) doctorale(s) : École doctorale 536 « Sciences et agrosciences » (Avignon)
• Partenaire(s) de recherche : Laboratoire : Laboratoire informatique d'Avignon
• Jury : Président / Présidente : Adnan Yassine
• Jury : Examinateurs / Examinatrices : Ali Ridha Mahjoub, Galliam Claude Yugma
• Jury : Rapporteurs / Rapporteuses : Thierry Mautor, Flavia Bernardini D'Arnesano

Mots clés

Mots clés contrôlés

Traitement automatique du langage naturel

Modèles mathématiques

Optimisation mathématique

Recherche à voisinage variable

Heuristique

Réseaux sociaux (Internet)

Mots clés libres

Réseaux sociaux

Blockmodeling

Graphes terminologiques

Heuristique

VNS heuristique

Social networks

Blockmodeling

Terminology graphs

Heuristics

VNS Heuristic

Résumé

Le blockmodeling est un ensemble de techniques initialement conçues pour analyser les réseaux sociaux mais dont l’intérêt pratique devient plus grand, comme nous le verrons plus loin dans cette thèse pour les graphes terminologiques. L’undesobjectifsdublockmodelingestderéduireungrandréseaupotentiellement incohérent en une structure compréhensible plus petite qui peut être interprétée plus facilement. Il y a un grand intérêt à capturer la structure de cluster d’un réseau en termes d’équivalences, de blocs et de partitions. Jusqu’à présent, la plupart des méthodes de modélisationparblocsvisentàadapterlastructureduréseauàunseultypedemodèle de structure. La question de recherche est de savoir comment gérer les situations où un analyste a plusieurs types de relations pour un ensemble d’acteurs. Ainsi, nous proposons un modèle d’optimisation, que nous appelons le extended generalized blockmodeling. Le principal objectif de extended generalized blockmodeling est de trouver la taille de la partition et l’ensemble de modèles qui a la meilleure représentation de la structure du réseau. Le extended generalized blockmodeling élargit les possibilités du framework, permettant d’analyser les réseaux sans aucune connaissance préalable à leur sujet. Leextendedgeneralizedblockmodelingappartientàlaclassedesproblèmeshautementcombinatoires,laméthodeexacteneconvientquepourlespetitsréseaux, doncla deuxièmequestionestdesavoircommentrendrecetteapprocheviablepourlesréseaux moyens et grands. Par conséquent, nous proposons la première approche non exacte pour le extended generalized blockmodeling, basée sur l’algorithme VNS comme alternative pour les réseaux de taille moyenne. Même si les résultats trouvés par l’heuristique ne sont peut-êtrepaslameilleuredetouteslessolutionsauproblème,lesexpériencesmontrent qu’elle converge vers un résultat satisfaisant dans un temps qui n’est pas prohibitif. La troisième question, que nous abordons dans cette thèse, est le extended generalized blockmodeling, une approche appropriée dans le domaine de la bibliométrie et du traitement du langage naturel. Pour ce faire, nous analysons le réseau de termes concernant la recherche sur le terrorisme. Pour toutes ces questions, nous démontrons les résultats numériques, basés sur des benchmarks de jeux de données artificiels et réels. Ces résultats permettent d’explorer lesopportunitésd’applicationdelamodélisationdeblocgénéraliséeétendueainsique ses limites.

Blockmodeling is a set of techniques initially designed to analyse social networks but whose practical interest becomes larger, as we will see further in this thesis for terminology graphs. One of the goals of blockmodeling is to reduce a large, potentially incoherent network to a smaller comprehensible structure that can be interpreted more readily. There is great interest in capturing the cluster structure of a network in terms of equivalences, blocks and partitions. Up to now, most blockmodeling methods are focused in fitting the network structure to only one type of structure pattern. However, there are a variety of social networking applications in which it is interesting to consider more than one type of pattern simultaneously, so that the structure of the network can take the form of several indicators for underlying relationships. The research question is, how to deal with the situations where an analyst has several relations types of relations for a set of actors. Thus, we propose an optimization model, which we call the extended generalized blockmodeling. The main objective of extended generalized blockmodeling is to find the partition size and the set of patterns that has the best representation of the network structure. The extended generalized blockmodeling expands the possibilities of the framework, making it possible to analyze networks without any prior knowledge about them. The extended generalized block modeling belongs to the class of highly combinatorial problems, the exact method is only suitable for small networks, so the second question is how to make this approach viable for medium and large networks. Therefore, we propose the first non-exact approach to generalized extended block modeling, based on the VNS algorithm as an alternative for medium-sized networks. Even though the results found by the heuristic may not be the best of all the solutions to the problem, the experiments show that it converges to a satisfactory result in a not prohibitively long time. The third question, which we address in this thesis, is the extended generalized blockmodeling a suitable approach in the field of bibliometrics and Natural Language processing. To do so, we analyse the network of terms concerning terrorism research. For all these questions, we demonstrate the numerical results, based on artificial and real datasets benchmarks. These results allow the exploration of the application opportunities of the extended generalized block modeling as well as it’s limitations.