Approche hybride basée sur l'apprentissage automatique pour la réduction de graphes - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2024

Approche hybride basée sur l'apprentissage automatique pour la réduction de graphes

Résumé

Récemment, l'arrivée de l'apprentissage profond sur les graphes a permis d'obtenir des résultats fructueux sur plusieurs problèmes d'optimisation sur les graphes. Dans ce papier, nous nous intéressons à la réduction de graphes en utilisant des techniques d'apprentissage automatique. La réduction de graphes a pour objectif d'obtenir des graphes plus simples ou plus petits en agrégeant les noeuds ou les arêtes similaires, sans ou avec perte d'information, ou en sparsifiant le graphe en enlevant des arêtes non significatives pour l'application considérée. Nous proposons une méthode hybride qui sparsifie le graphe dans un premier temps, puis dans un second temps, groupe les noeuds, tout en préservant les distances dans le graphe. Pour cela, nous nous appuyons sur une méthode d'apprentissage automatique par renforcement. Pour valider notre approche, nous effectuons une comparaison avec les méthodes déjà existantes.
Fichier principal
Vignette du fichier
Clement.pdf (475.6 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte

Dates et versions

hal-04454820 , version 1 (13-02-2024)

Identifiants

  • HAL Id : hal-04454820 , version 1

Citer

Clement Aralou, Tobias Rupp Marcel, Samba Ndojh Ndiaye, Mohammed Haddad, Hamida Seba. Approche hybride basée sur l'apprentissage automatique pour la réduction de graphes. 24ème conférence francophone sur l'Extraction et la Gestion des Connaissances EGC 2024, Jan 2024, Dijon, France. pp.167-178. ⟨hal-04454820⟩
24 Consultations
19 Téléchargements

Partager

Gmail Facebook X LinkedIn More