Extraction de communautés ego-centrées par apprentissage supervisé d'espaces prétopologiques. - Archive ouverte HAL
Communication Dans Un Congrès Année : 2019

Extraction de communautés ego-centrées par apprentissage supervisé d'espaces prétopologiques.

Résumé

Nous proposons une méthode d’extraction de communautés ego-cen- trées reposant sur l’apprentissage d’un modèle de propagation prétopologique. Là où les méthodes classiques ne considèrent souvent qu’un aspect de la structu- ration du réseau pour en extraire ses communautés, la prétopologie permet une analyse multi-critères du réseau. Notre démarche consiste à apprendre de fa- çon supervisée un espace prétopologique défini par une combinaison logique de descripteurs du réseau. Une communauté locale à chaque nœud peut alors être extraite par une opération définie sur l’espace prétopologique appris.La qualité de chaque communauté locale est ensuite évaluée selon une communauté de ré- férence. Nous avons comparé notre approche aux approches existantes sur des réseaux synthétiques et du réel et montrons ainsi sa pertinence.
Fichier principal
Vignette du fichier
Apprentissage_de_mod_les_pr_topologiques_de_communaut_s.pdf (289.34 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-02003133 , version 1 (30-03-2022)

Identifiants

  • HAL Id : hal-02003133 , version 1

Citer

Gaëtan Caillaut, Guillaume Cleuziou, Nicolas Dugué. Extraction de communautés ego-centrées par apprentissage supervisé d'espaces prétopologiques.. 19èmes Journées Extraction et Gestion des Connaissances (EGC 2019), Jan 2019, Metz, France. pp.117-128. ⟨hal-02003133⟩
174 Consultations
30 Téléchargements

Partager

More