Atelier Visualisation et extraction de connaissances - Irisa

34
Partition de réseaux sociaux par point de vue sémantique
Comme on peut le voir dans les résultats présentés dans le tableau 4, la distance
intracluster de notre approche est inférieure à celle obtenue par l'algorithme utilisant
seulement l'information structurelle du graphe. La modularité obtenue dans les deux cas est
presque la même. Ceci est dû à la composition du point de vue qui intègre des informations
sur la localisation des amis. On peut penser que la localisation des amis et la liste des amis
sont des informations très similaires.
Les résultats suivants concernent un point de vue différent qui n'est pas lié aux relations
personnelles dans le réseau mais à leur type d'interaction dans le réseau.
5.3 Résultats sur le graphe 2 avec le point de vue 3
Ces résultats concernent le même graphe 2 que dans le paragraphe précédent, mais avec un
point de vue différent. Les résultats sont présentés dans le tableau 5.
Clustering Q Distance
intracluster
Ecart-type
CSOM -0.2991 0 0
CFU 0.5728 0.7100 0.6565
CSOM-FU 0.6351 0.5507 0.5577
TAB. 5 – Comparaison des résultats des algorithmes classiques et de notre approche sur le
graphe 2 avec le point de vue 3.
Le point de vue utilisé ici comporte deux attributs : le premier indique si l'utilisateur a
plus d'amis que de suiveurs ou non et le second est une variable catégorique à trois valeurs
transformée en trois variables booléennes. Le nombre de choix possibles est donc de 2x3=6
possibilités différentes.
Le résultat des cartes auto-organisatrices montrent que le clustering en six groupes
chacun reflétant l'une des possibilités décrites est la bonne classification, ce qui explique la
distance obtenue.
L'utilisation de l'information sémantique avec les cartes auto-organisatrices permet
d'obtenir un clustering de meilleure qualité qu'avec le graphe, cependant la modularité est
moins bonne qu'avec le graphe, cela montre que les clusters obtenus par l'algorithme de
cartes auto-organisatrices sont totalement indépendant de la structure du graphe.
Dans le cas du clustering utilisant l'information de structure et l'information sémantique,
les résultats sont meilleurs à la fois en ce qui concerne la modularité et la distance
intracluster.
6 Conclusion et perspectives
L'information contenue dans les réseaux socio-sémantiques est liée à la structure du graphe
et à certains attributs des individus. Une telle information permet d'analyser le réseau sous
différents points de vue.
F.Poulet, B.Le Grand : 9e Atelier Visualisation et Extraction de Connaissances