Atelier Visualisation et extraction de connaissances - Irisa
Atelier Visualisation et extraction de connaissances - Irisa
Atelier Visualisation et extraction de connaissances - Irisa
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
I<strong>de</strong>ntification <strong>et</strong> visualisation <strong>de</strong>s partitions <strong>de</strong> réseaux sociaux<br />
à l'ai<strong>de</strong> <strong>de</strong> points <strong>de</strong> vue sémantiques<br />
Juan David Cruz 1 , Cécile Bothorel 1 , François Poul<strong>et</strong> 2<br />
1 Département LUSSI, Télécom - Br<strong>et</strong>agne<br />
Technopôle Brest-Iroise - CS 83818 - 29238 Brest Ce<strong>de</strong>x 3<br />
{juan.cruzgomez, cecile.bothorel}@telecom-br<strong>et</strong>agne.eu}<br />
http://www.telecom-br<strong>et</strong>agne.eu/<br />
2 Université <strong>de</strong> Rennes 1 – IRISA<br />
Campus <strong>de</strong> Beaulieu - 35042 Rennes ce<strong>de</strong>x<br />
francois.poul<strong>et</strong>@irisa.fr<br />
http://www.irisa.fr/texmex<br />
Résumé. Les algorithmes classiques <strong>de</strong> détection <strong>de</strong> communautés dans les<br />
réseaux sociaux utilisent l’information structurelle pour détecter <strong>de</strong>s groupes,<br />
i.e. la topologie du graphe <strong>de</strong> relations. Toutefois, ils ne prennent en compte<br />
aucune information externe qui peut gui<strong>de</strong>r le processus <strong>et</strong> ai<strong>de</strong>r à la réalisation<br />
<strong>de</strong>s analyses du réseau selon différentes perspectives. La métho<strong>de</strong> proposée<br />
utilise <strong>de</strong> façon conjointe, l’information sémantique du réseau social,<br />
représentée par <strong>de</strong>s points <strong>de</strong> vue, <strong>et</strong> son information structurelle. Elle perm<strong>et</strong><br />
la combinaison entre les relations sociales explicites, les arêtes du graphe<br />
social, <strong>et</strong> les relations implicites, dites sémantiques, correspondant par exemple<br />
à <strong>de</strong>s intérêts ou <strong>de</strong>s usages similaires.<br />
1 Introduction<br />
Un réseau social est composé <strong>de</strong> groupes d'individus regroupés entre eux selon différents<br />
liens possibles. A l'intérieur d'un réseau social, il peut exister différents types <strong>de</strong> relations<br />
comme les amis, la famille, les collègues <strong>de</strong> travail... Les membres d'un réseau social<br />
peuvent aussi être décrits par leur appartenance à une entreprise ou <strong>de</strong>s centres d'intérêts<br />
communs. Ce type d'information décrivant les relations <strong>et</strong> les individus composant le réseau<br />
social en définissent l'information sémantique.<br />
On peut utiliser c<strong>et</strong>te information sémantique pour analyser le réseau suivant différentes<br />
perspectives <strong>et</strong> pas en s'intéressant seulement à l'aspect structurel ou topologique du réseau.<br />
Nous présentons une métho<strong>de</strong> qui perm<strong>et</strong> <strong>de</strong> combiner à la fois l'information topologique du<br />
réseau <strong>et</strong> l'information <strong>de</strong>s membres du réseau (l'information sémantique). C<strong>et</strong>te information<br />
sémantique peut utilisée <strong>de</strong>s sous-ensembles <strong>de</strong> l'information totale disponible, on parlera<br />
alors <strong>de</strong> points <strong>de</strong> vue. Un point <strong>de</strong> vue est un ensemble d'attributs qui représente une vision<br />
du réseau selon une perspective donnée. L'utilisation <strong>de</strong> c<strong>et</strong>te information sémantique va<br />
F.Poul<strong>et</strong>, B.Le Grand : 9e <strong>Atelier</strong> <strong>Visualisation</strong> <strong>et</strong> Extraction <strong>de</strong> Connaissances 25