Mining Social and Information Networks: Dynamics and Applications

Résumé : Les réseaux (ou graphes) sont devenus omniprésents en raison de leur capacité à représenter naturellement les données trouvées dans de nombreuses et diverses disciplines. Extraire efficacement des informations pertinentes de graphes à grande échelle est un problème crucial et difficile ayant de nombreuses applications. À cette fin, les méthodes de fouille de données graphiques constituent des outils importants. Par l’introduction de nouveaux modèles et outils, et par la réalisation d’observations, cette thèse contribue à la résolution de problèmes qui se posent dans le domaine de la fouille de données provenant des réseaux sociaux et d'information. Nous utilisons des méthodes efficaces de fouille de données graphiques afin de: (i) concevoir des modèles pour l'analyse structurelle et dynamique des réseaux réels dans le but d’extraire des connaissances pouvant être utilisées en pratique, (ii) développer des outils algorithmiques pour l'analyse à grande échelle de données intrinsèquement graphiques (par exemple, réseaux sociaux) ou non intrinsèquement graphiques (par exemple, le texte). En particulier, pour le premier point, nous montrons comment modéliser la dynamique d'engagement au sein de grands réseaux sociaux et comment évaluer leur vulnérabilité par rapport aux départs des utilisateurs. Dans les deux cas, en mettant à jour la dynamique de réseaux sociaux réels, nous pouvons identifier des régularités et des motifs dans leur structure et leur formation. De telles connaissances trouvent de nombreuses applications comme la prévision du churn, la détection des anomalies et la construction de systèmes de réseautage robustes. Dans le deuxième point, nous nous concentrons sur l’identification des utilisateurs influents dans les réseaux complexes, avec des applications directes sur le contrôle des épidémies et le marketing viral, et sur l’utilisation de techniques de fouille de données graphiques pour améliorer les tâches d'analyse de texte et en particulier la classification du texte.
Type de document :
Thèse
Computer Science [cs]. Ecole Doctorale de l'Ecole Polytechnique, 2015. English
Liste complète des métadonnées

Littérature citée [192 références]  Voir  Masquer  Télécharger

https://pastel.archives-ouvertes.fr/tel-01245134
Contributeur : Fragkiskos Malliaros <>
Soumis le : mercredi 16 décembre 2015 - 17:35:01
Dernière modification le : mercredi 23 janvier 2019 - 10:29:09
Document(s) archivé(s) le : samedi 29 avril 2017 - 17:21:51

Identifiants

  • HAL Id : tel-01245134, version 1

Citation

Fragkiskos Malliaros. Mining Social and Information Networks: Dynamics and Applications. Computer Science [cs]. Ecole Doctorale de l'Ecole Polytechnique, 2015. English. 〈tel-01245134〉

Partager

Métriques

Consultations de la notice

632

Téléchargements de fichiers

1169