THESE DE DOCTORAT. Informatique, Fouille de données

Dimension: px
Commencer à balayer dès la page:

Download "THESE DE DOCTORAT. Informatique, Fouille de données"

Transcription

1 THESE DE DOCTORAT Informatique, Fouille de données THEME PRINCIPAL DE LA SOUMISSION : Contenus, Connaissances, Interactions TITRE DE LA THESE : Fouille de graphes avec attributs RESPONSABLES DE LA THESE : Cécile BOTHOREL, Philippe LENCA (Telecom Bretagne/Lab-Sticc, UMR CNRS 6285, Brest) Co-encadrement : Christine LARGERON (Université Jean Monnet/Laboratoire Hubert Curien, UMR CNRS 5516, Saint-Etienne) ECOLE DE RATTACHEMENT : Telecom Bretagne EQUIPES D ACCUEIL : Lab-STICC/DECIDE à Telecom Bretagne (70%), Laboratoire Hubert Curien (30%) DOCTORANT : pas encore de candidat à ce jour MOTS CLES : Fouille de données, clustering, mesures de distance, mesure de qualité, définition de communautés RESUME : La communauté en fouille de médias sociaux s intéresse à la dynamique des réseaux, à la diffusion d information, au passage à l échelle, et très récemment à l exploitation de la richesse des données. C est ce dernier axe que nous proposons d approfondir, en considérant en plus des relations sociales, les informations contextuelles qui peuvent être rattachées aux noeuds comme aux arcs des graphes représentant les réseaux sociaux. Des travaux en data mining ont cherché à fouiller des graphes avec attributs, introduits en 2009, en adressant des problématiques telles que la détection de communautés. On peut recenser différentes techniques pour combiner les deux types de données : modification de poids en fonction des attributs caractérisant les noeuds, combinaison linéaire des dimensions liées aux relations et aux attributs, marches aléatoires, subspace clustering, etc. Depuis 2010, nos travaux ont porté notamment sur les deux premières approches mentionnées ci-dessus. Mais force est de constater que les propositions réutilisent et adaptent les techniques existantes pour graphe simple avec plus ou moins de justification et sans faire émerger de consensus. Il nous paraît important de revenir sur les notions fondamentales sous-jacentes à la conception de méthodes adaptées aux graphes avec attributs. L objectif est donc de revisiter les mesures de distance entre éléments, d agrégation entre sous-ensembles d éléments ou encore de qualité d un partitionnement, d en comprendre les propriétés et ainsi de conduire à de nouvelles définitions des communautés et à des méthodes de fouille adaptées faisant sens. Cette thèse en co-encadrement a l ambition de revêtir un caractère de référence et réunit deux équipes nationales en avance sur le sujet. Résolument de nature formelle, son objectif est d éprouver les mesures et les algorithmes fondamentaux de l analyse de réseaux avec informations contextuelles, tout en tenant compte d objectifs utilisateur. Ce travail permettra ainsi également de construire des partenariats applicatifs en confiance. 1

2 1 Contexte Scientifique Les années 2000 ont été marquées par l explosion des réseaux sociaux sur Internet, renouvelant l intérêt de la communauté scientifique non seulement en sciences sociales mais aussi en informatique pour l analyse et la fouille de graphes. Aujourd hui, les graphes utilisés pour étudier ces réseaux sont de très grande taille tant par le nombre de noeuds associés aux individus que par celui des arêtes qui décrivent leurs relations ou leurs interactions [12]. De plus, les relations entre ces noeuds sont le plus souvent multiples [11]. Enfin, des informations contextuelles peuvent être rattachées aux noeuds comme aux arcs. Comme l a souligné l étude de Gartner, les besoins d analyse ont également évolué, requérant le développement d algorithmes et d outils plus puissants mais aussi capables d intégrer des informations contextuelles associées aux noeuds ou aux arcs et de prendre en compte la dimension temporelle pour suivre l évolution d un réseau [10]. Ainsi, [9] s intéresse à la propagation d épidémies et montre que pour en arrêter la diffusion, il s agit de trouver des groupes d individus démontrant à la fois un tissu relationnel dense et des caractéristiques de population à risque. Identifier des groupes seulement denses, ou bien des groupes seulement à risque est beaucoup moins efficace, et ces travaux invitent donc à considérer les caractéristiques des noeuds dans un réseau dans un processus de fouille intégré. De la même manière, en emarketing, dans le cadre de la Chaire Réseaux Sociaux de l IMT, nous avons commencé à travailler sur la détection de communautés sociales et thématiques pour cartographier les blogs de cuisine et identifier les acteurs influents inter- ou mono-thématiques [15]. Ces premiers travaux montrent l intérêt de telles extractions de connaissances et le potentiel en termes applicatifs mais ils font aussi remonter le manque d indicateurs et de mesures objectives décrivant les connaissances extraites. Un nouveau champ de recherche en fouille de données s est donc développé autour des réseaux sociaux. Cependant des benchmarking des outils existants, comme nos propres études, ont montré que ceux-ci couvraient très partiellement ces nouveaux besoins [8, 7]. Concernant la recherche de communautés, ou clustering, des travaux proposent de réutiliser les algorithmes classiques de recherche de zones denses tels que le célèbre algorithme de Louvain [13] qui maximise la modularité [26]. Cette famille de méthodes encode l information de similarité des noeuds sur les arêtes avant d appliquer ces algorithmes sur les graphes modifiés [25, 27, 17, 18]. De manière orthogonale, d autres méthodes utilisent des combinaisons linéaires des dimensions relationnelles et des dimensions liées aux attributs avant d appliquer des méthodes de clustering classiques [14, 19, 22, 28]. Par ailleurs, nous pouvons citer [32, 20] qui explorent une méthode de marche aléatoire contraignant les déplacements dans un graphe selon la présence d attributs communs sur les noeuds ou encore des méthodes qui combinent le subspace et le subgraph clustering telles que [21] pour optimiser la sélection de sousensembles d attributs et de relations visant à satisfaire des métriques de qualité dans un espace de projection. Enfin, [16] modifie l algorithme de Louvain pour localement optimiser l entropie en plus de la modularité. Toutes ces méthodes vont d une manière plus ou moins intégrée chercher à optimiser la similarité en terme d attributs et de relations des noeuds au sein d un même cluster, en combinant deux fonctions objectif mais, sans définir clairement les clusters recherchés. Les clusters identifiés sont ensuite validés, d une part, pour la dimension contextuelle des attributs en terme d entropie, et d autre part, pour la dimension relationnelle en terme de densité et de modularité bien que cette dernière présente un certain nombre de limites [6]. Toutefois, sans définition claire d un cluster, ces mesures ne font que quantifier des propriétés des clusters relatives à des dimensions très différentes et non intégrées. Si une vérité terrain (clustering ground-truth) est disponible, la question de la validation est alors simplifiée, et les matrices de contingence ou encore l information mutuelle peuvent etre utilisées [14, 31]. Malheureusement, s il existe des 2

3 benchmarks contenant des jeux de données classiques avec vérité terrain, comme par exemple [5], utilisables pour valider les méthodes de détection de communautés, il n existe pas encore d équivalent en matière de graphes à attributs. Il commence cependant à exister quelques rares jeux de données réelles (DBLP, Gowalla, Wikipédia et tout récemment Google+). Cette revue de la littérature du clustering de graphes avec attributs montre qu il n y pas encore de consensus de la définition des clusters recherchés, que les fonctions objectifs sont diverses et variées, et que les mesures de qualité des clusters obtenues ne sont pas satisfaisantes. Ce sont ces verrous que nous nous proposons de traiter dans cette thèse. 2 Contenu Scientifique Ce projet de thèse vise à exploiter les informations de nature contextuelle liées aux acteurs d un réseau social afin d enrichir l analyse et la fouille des réseaux sociaux. Le premier objectif est de cartographier de manière exhaustive les travaux de clustering de graphes avec attributs, en puisant dans les communautés d analyse de graphes mais aussi dans la communauté du clustering plus classique. Nous proposons via ce travail de balayer les modèles, les approches, les algorithmes, les fonctions objectif, les métriques d évaluation ; de procéder à des évaluations exhaustives et d identifier les situations qui disposent de techniques performantes et celles qui nécessitent une recherche. Les situations seront décrites par les applications potentielles mais aussi par la forme des données, i.e. la forme des graphes, la dimension des attributs, la distribution des attributs, et les techniques seront caractérisées par leur montée en charge, la robustesse à l ordre de traitement des noeuds, attributs, relations, etc. Les approches inventoriées seront confrontées à des données synthétiques et des jeux de données réelles. Un tel état de l art, qui en soit est une contribution nécessaire au domaine, nous offrira les fondations pour aboutir à la conception de mesures adaptées aux graphes attributs. Nous envisageons deux axes dans cette recherche de mesures. Le premier axe concerne l analyse classique de réseaux sociaux qui cherche à caractériser la position d un acteur (i.e. sommet du graphe) ou le réseau global, mais aussi à établir des comparaisons entre deux réseaux grâce à des indicateurs basés par exemple sur le nombre de degrés des sommets, le diamètre ou encore le nombre d intermédiaires entre deux sommets du graphe [3, 4, 1, 2, 29]. Nous proposons d étendre ces mesures en tenant compte non seulement des liens existants entre les acteurs et décrits par le graphe mais aussi de leurs caractéristiques. Nous mettrons aussi l accent sur la conception de nouvelles définitions des distances, des clusters, des mesures de qualité que nous utiliserons pour revisiter des tâches classiques de clustering dans le cas de graphes avec attributs. Ce deuxième axe est un peu plus risqué car la validation en apprentissage non supervisé est un problème non trivial comme nous l avons indiqué dans l état de l art. Nous utiliserons des jeux de données synthétiques permettant d éprouver les propriétés des mesures de l état de l art et proposées, mais nous chercherons également à valider nos contributions sur des jeux de données académiques (DPLB, Wikipédia, Google+, etc.). A noter qu il existe des travaux récents [30] qui utilisent le concept de listes, explicitées par les utilisateurs eux-mêmes, comme clusters "ground-truth" dans des données issues de Twitter. Ce projet sera mené en s appuyant sur les compétences en apprentissage automatique et en fouille de données de chercheurs en informatique de l équipe Lab-Sticc à Telecom Bretagne (UMR CNRS 6285) et du Laboratoire Hubert Curien (UMR CNRS 5516). Il s inscrit dans la con- 3

4 tinuité de travaux en informatique menés au sein de ces laboratoires. Une précédente thèse financée par le programme Futur & Rupture (prix de la fondation 2013) et encadrée par Cécile Bothorel a défriché l étude du clustering de graphes avec attributs et a mis en évidence l intérêt de travailler plus profondément sur la définition des communautés et des mesures (fonctions objectifs et validation). D autre part, les travaux précédents de Christine Largeron rattachés à l axe "Fouille et recherche à partir de données structurées" du LHC ont d ores et déjà donné lieu à deux thèses sur cette thématique (Allocation de la Région Rhône-Alpes 2009 et ANR 2010). Enfin, les travaux de Philippe Lenca font maintenant référence sur les mesures de qualité pour la recherche de règles d association, et nous envisageons d utiliser la même méthodologie, applicable à notre projet et qui permettra d adresser le verrou de l adéquation des mesures avec les objectifs de fouille recherchés. Après l étude exhaustive des mesures existantes, nous mettrons en avant leurs propriétés algorithmiques (cf. mesure de la qualité des règles d association extraites [24]). Puis une fois ces mesures bien comprises, et une fois les clusters découverts caractérisés, nous chercherons à les intégrer dans le processus de fouille (cf. remplacement de la mesure de support bien connue par de nouvelles mesures en lien avec le contexte d application au cours du processus de production des règles [23]). La thèse débouchera sur des algorithmes et leur implémentation. Bien que l aspect montée en charge pour analyser de très grands graphes ne soient pas la priorité, nous travaillons d ores et déjà sous une architecture Big Data (Hadoop, Mahout, Hive, neo4j, etc.) pour tester nos développements sur des jeux de données tels que Wikipédia, Gowalla ou encore Google+. Les axes de travail ainsi que la méthodologie annoncée permettront d aboutir aux contributions suivantes : un état de l art exhaustif avec comparaison des mesures et algorithmes existants sur des données de benchmarking ; la définition et la caractérisation de mesures de distance entre éléments, d agrégation entre sous-ensembles d éléments et de qualité d un partitionnement ; la définition de communautés dédiées aux graphes avec attributs. Ces fondamentaux de la fouille de données nous permettront d aller bien au-delà de l état de l art, qui reste à l heure actuelle, un assemblage plus ou moins justifié de techniques détournées et non formalisées. Références [1] J. Scott Social Network Analysis A Handbook. 2nd Ed. Newberry Park, CA : Sage (2000) [2] P. Carrington, J. Scott and S. Wasserman Models and Methods in Social Network Analysis New York : Cambridge University Press (2005). [3] A. Degenne, M. Forsé Les réseaux sociaux Paris, Armand Colin (1994). [4] L.C. Freeman. Centrality in social networks conceptual clarification. Social networks, 1(3) : , [5] Zachary W. (1977). An information flow model for conflict and fission in small groups. Journal of Anthropological Research, 33, [6] A. Lancichinetti, S. Fortunato Limits of modularity maximization in community detection Phys. Rev. E 84, , 2011 [7] D. Combe, C. Largeron, E. Egyed-Zsigmond, M. Géry A comparative study of social network analysis tools Workshop "Web intelligence and Virtual Entreprise" at the International Conference PROVE, (2010). [8] M. Huisman, M. Van Duijn, A. J. Marijtje Software for social network analysis, A reader s guide to SNA software. In J. Scott and P.J. Carrington (Eds.) The SAGE Handbook of Social Network Analysis (pp ) (2004). [9] B. Aditya Prakash, Jilles Vreeken, Christos Faloutsos Efficiently spotting the starting points of an epidemic in a large graph. Knowl. Inf. Syst. 38(1) : (2014) [10] Gartner Hype Cycle for social software G (2008). [11] J. Mori, T Tsujisshita, Y. Matsuo, M. Ishizuka Extracting relations in social networks from the web using similarity between collective contexts. Proceedings of the 5th International Semantic Web Conference (ISWC 2006). Vol 4273, (2006) [12] V. Batagelj Social Network Analysis, Large-Scale. R.A. Meyers, ed., Encyclopedia of Complexity and Systems Science, Springer, (2009). [13] Vincent D. Blondel, Jean-Loup Guillaume, Renaud Lambiotte, and Etienne Lefebvre. Fast unfolding of communities in large networks. Journal of Statistical Mechanics : Theory and Experiment, 2008(10) :P10008 (12pp), October [14] David Combe, Christine Largeron, Előd Egyed-Zsigmond, and Mathias Géry. Combining relations and text in scientific network clustering. In 2012 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining, pages , Istanbul, Turquie,

5 [15] Damien Renard, Juan David Cruz, Christine Balagué and Cécile Bothorel. Detection of communities : the case of cooking bloggers. Submitted to Marketing Science, Special Issue on Big Data : Integrating Marketing, Statistics, and Computer Science, [16] Juan David Cruz, Cécile Bothorel, and François Poulet. Entropy based community detection in augmented social networks. In Computational Aspects of Social Networks (CASoN 2011), 2011 International Conference on Computational Aspects of Social Networks, pages , [17] Juan David Cruz, Cécile Bothorel, and François Poulet. Semantic clustering of social networks using points of view. In CORIA : conférence en recherche d information et applications 2011, [18] Juan David Cruz, Cécile Bothorel, and François Poulet. Détection et visualisation des communautés dans les réseaux sociaux. Revue d Intelligence Artificielle, 26(4) : , [19] The Anh Dang and Emmanuel Viennet. Community detection based on structural and attribute similarities. In International Conference on Digital Society (ICDS), pages 7 14, ISBN : [20] Rong Ge, Martin Ester, Byron J. Gao, Zengjian Hu, Binay Bhattacharya, and Boaz Ben-Moshe. Joint cluster analysis of attribute data and relationship data : The connected k-center problem, algorithms and applications. ACM Trans. Knowl. Discov. Data, 2(2) :7 :1 7 :35, July [21] Stephan Günnemann, Brigitte Boden, Ines Färber, and Thomas Seidl. Efficient mining of combined subspace and subgraph clusters in graphs with feature vectors. In Advances in Knowledge Discovery and Data Mining, pages Springer, [22] Daniel Hanisch, Alexander Zien, Ralf Zimmer, and Thomas Lengauer. Co-clustering of biological networks and gene expression data. Bioinformatics, 18(suppl 1) :S145 S154, [23] Yannick Le Bras, Philippe Lenca, and Stéphane Lallich. Optimonotone measures for optimal rule discovery. Computational Intelligence, 28(4) : , [24] Philippe Lenca, Patrick Meyer, Benoît Vaillant, and Stéphane Lallich. On selecting interestingness measures for association rules : User oriented description and multiple criteria decision aid. European Journal of Operational Research, 184(2) : , [25] Jennifer Neville, Micah Adler, and David D. Jensen. Clustering relational data using attribute and link information. In Proceedings of the Workshop on Text Mining and Link Analysis, Eighteenth International Joint Conference on Artificial Intelligence, Acapulco, Mexico, [26] M. E. J. Newman and M. Girvan. Finding and evaluating community structure in networks. Physical Review E, 69(2) : , February [27] Karsten Steinhaeuser and NiteshV. Chawla. Community detection in a large real-world social network. In Huan Liu, JohnJ. Salerno, and MichaelJ. Young, editors, Social Computing, Behavioral Modeling, and Prediction, pages Springer US, [28] Nathalie Villa-Vialaneix, Madalina Olteanu, and Christine Cierco-Ayrolles. Carte auto-organisatrice pour graphes étiquetés. In Atelier Fouilles de Grands Graphes (FGG) - EGC 2013, page Article numéro 4, Toulouse, France, [29] Stanley Wasserman and Katherine Faust. Social Network Analysis : Methods and Applications. Number 8 in Structural Analysis in the Social Science. Cambridge University Press, [30] J. Yang, J. McAuley, and J. Leskovec. Community Detection in Networks with Node Attributes. arxiv preprint arxiv : , Published in the proceedings of IEEE ICDM 13, January [31] Tianbao Yang, Rong Jin, Yun Chi, and Shenghuo Zhu. Combining link and content for community detection : a discriminative approach. In KDD 09 : Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining, pages , New York, NY, USA, ACM. [32] Yang Zhou, Hong Cheng, and Jeffrey Xu Yu. Graph clustering based on structural/attribute similarities. Proc. VLDB Endow., 2(1) : , August

Détection de communautés dans des réseaux scientifiques à partir de données relationnelles et textuelles

Détection de communautés dans des réseaux scientifiques à partir de données relationnelles et textuelles Détection de communautés dans des réseaux scientifiques à partir de données relationnelles et textuelles David Combe* Christine Largeron* Előd Egyed-Zsigmond** Mathias Géry* * Université de Lyon, F-42023,

Plus en détail

Introduction à l Analyse des Réseaux Sociaux

Introduction à l Analyse des Réseaux Sociaux (ARS) 18 mars 2010 Analyse des réseaux sociaux Définition Propriétés Utilisation & Applications Analyse des réseaux sociaux Définition Propriétés Utilisation & Applications Etude des entités sociales (les

Plus en détail

Analyse des réseaux sociaux et apprentissage

Analyse des réseaux sociaux et apprentissage Analyse des réseaux sociaux et apprentissage Emmanuel Viennet Laboratoire de Traitement et Transport de l Information Université Paris 13 - Sorbonne Paris Cité Réseaux sociaux? Réseaux sociaux? Analyse

Plus en détail

Propagation de labels avec barrages sur de grands graphes en utilisant Apache Hadoop et Apache Spark (GraphX)

Propagation de labels avec barrages sur de grands graphes en utilisant Apache Hadoop et Apache Spark (GraphX) Propagation de labels avec barrages sur de grands graphes en utilisant Apache Hadoop et Apache Spark (GraphX) Jean Philippe Attal *, ** Maria Malek * * EISTI: Ecole Internationale des Sciences du Traitement

Plus en détail

TRS: Sélection des sous-graphes représentants par l intermédiaire des attributs topologiques et K-medoïdes

TRS: Sélection des sous-graphes représentants par l intermédiaire des attributs topologiques et K-medoïdes TRS: Sélection des sous-graphes représentants par l intermédiaire des attributs topologiques et K-medoïdes Mohamed Moussaoui,Wajdi Dhifli,Sami Zghal,Engelbert Mephu Nguifo FSJEG, Université de Jendouba,

Plus en détail

Big Data et Graphes : Quelques pistes de recherche

Big Data et Graphes : Quelques pistes de recherche Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université

Plus en détail

SONDY : une plateforme open-source d analyse et de fouille pour les réseaux sociaux en ligne

SONDY : une plateforme open-source d analyse et de fouille pour les réseaux sociaux en ligne SONDY : une plateforme open-source d analyse et de fouille pour les réseaux sociaux en ligne Adrien GUILLE, C. Favre, Djamel Abdelkader Zighed To cite this version: Adrien GUILLE, C. Favre, Djamel Abdelkader

Plus en détail

Fouille de données de mobilité

Fouille de données de mobilité Fouille de données de mobilité Thomas Devogele Université François Rabelais (Tours) thomas.devogele@univ-tours.fr Laurent Etienne Ecole Navale (Brest) Laurent.etienne@ecole-navale.fr La fouille de donnée

Plus en détail

Big Data et Graphes : Quelques pistes de recherche

Big Data et Graphes : Quelques pistes de recherche Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci http://liris.cnrs.fr/hamamache.kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de

Plus en détail

Les logiciels Ucinet et Netdraw

Les logiciels Ucinet et Netdraw École d été Web intelligence 6 au 10 juillet 2009 Les graphes et leurs différentes formes Des données à la construction du graphe Une forme plus avancée de représentation Densité d un graphe Graphe connexe

Plus en détail

Classification non supervisée d un graphe de co-expression avec des méta-données pour la détection de micro-arns

Classification non supervisée d un graphe de co-expression avec des méta-données pour la détection de micro-arns Classification non supervisée d un graphe de co-expression avec des méta-données pour la détection de micro-arns Florian Brunet 1, Jérôme Mariette 1, Christine Cierco-Ayrolles 1, Christine Gaspin 1, Philippe

Plus en détail

Détection de communautés, étude comparative sur graphes réels

Détection de communautés, étude comparative sur graphes réels Détection de communautés, étude comparative sur graphes réels Emmanuel Navarro Rémy Cazabet IRIT, Université de Toulouse. 118 Route de Narbonne, 31062 Toulouse Cedex 9, France. Email : {navarro, cazabet}@irit.fr

Plus en détail

Application de K-means à la définition du nombre de VM optimal dans un cloud

Application de K-means à la définition du nombre de VM optimal dans un cloud Application de K-means à la définition du nombre de VM optimal dans un cloud EGC 2012 : Atelier Fouille de données complexes : complexité liée aux données multiples et massives (31 janvier - 3 février

Plus en détail

Extraction hiérarchique de fenêtres de temps basée sur la structure communautaire

Extraction hiérarchique de fenêtres de temps basée sur la structure communautaire Extraction hiérarchique de fenêtres de temps basée sur la structure communautaire Thomas Aynaud et Jean-Loup Guillaume LIP6 CNRS Université Pierre et Marie Curie 4 place Jussieu 75005 Paris, France RÉSUMÉ.

Plus en détail

Objet : Formation aux techniques avancées d analyse de réseaux sociaux - SciencesPo Paris - 14-17 mars 2016

Objet : Formation aux techniques avancées d analyse de réseaux sociaux - SciencesPo Paris - 14-17 mars 2016 Objet : Formation aux techniques avancées d analyse de réseaux sociaux - SciencesPo Paris - 14-17 mars 2016 L Ecole doctorale de Sciences Po organise du 14 mars au 17 mars 2016 au Centre de Sociologie

Plus en détail

Empreintes conceptuelles et spatiales pour la caractérisation des réseaux sociaux

Empreintes conceptuelles et spatiales pour la caractérisation des réseaux sociaux Empreintes conceptuelles et spatiales pour la caractérisation des réseaux sociaux Bénédicte Le Grand*, Marie-Aude Aufaure** and Michel Soto* *Laboratoire d Informatique de Paris 6 UPMC {Benedicte.Le-Grand,

Plus en détail

Analyse intégrée des réseaux sociaux pour la détection et la visualisation de communautés

Analyse intégrée des réseaux sociaux pour la détection et la visualisation de communautés Analyse intégrée des réseaux sociaux pour la détection et la visualisation de communautés Juan David Cruz 1, Cécile Bothorel 1, François Poulet 2 1. Département LUSSI Télécom - Bretagne Technopôle Brest

Plus en détail

Méthodes de classification organisée pour la recherche de communautés dans les réseaux sociaux

Méthodes de classification organisée pour la recherche de communautés dans les réseaux sociaux Méthodes de classification organisée pour la recherche de communautés dans les réseaux sociaux Nathalie Villa 1,2 & Fabrice Rossi 3 1 IUT STID, Carcassonne, Université de Perpignan Domaine Universitaire

Plus en détail

CURRICULUM VITAE. Informations Personnelles

CURRICULUM VITAE. Informations Personnelles CURRICULUM VITAE Informations Personnelles NOM: BOURAS PRENOM : Zine-Eddine STRUCTURE DE RATTACHEMENT: Département de Mathématiques et d Informatique Ecole Préparatoire aux Sciences et Techniques Annaba

Plus en détail

Annotation Semi-automatique de Grandes BD Images : Approche par Graphes de Voisinage

Annotation Semi-automatique de Grandes BD Images : Approche par Graphes de Voisinage Lyon - France Annotation Semi-automatique de Grandes BD Images : Approche par Graphes de Voisinage Hakim Hacid Université Lumière Lyon 2 Laboratoire ERIC - 5, avenue Pierre Mendès-France 69676 Bron cedex

Plus en détail

Projet I(M-RI)T. Comparaison de graphes et visualisation d évolution. Mai 2007

Projet I(M-RI)T. Comparaison de graphes et visualisation d évolution. Mai 2007 Projet I(M-RI)T Comparaison de graphes et visualisation d évolution Mai 2007 Table des matières 1 Description du projet 1 1.1 Contexte et problématiques................................... 1 1.1.1 Étude

Plus en détail

OrderGeneMiner : Logiciel pour l extraction et la visualisation de motifs partiellement ordonnés à partir de puces à ADN

OrderGeneMiner : Logiciel pour l extraction et la visualisation de motifs partiellement ordonnés à partir de puces à ADN OrderGeneMiner : Logiciel pour l extraction et la visualisation de motifs partiellement ordonnés à partir de puces à ADN Mickaël Fabrègue, Agnès Braud, Sandra Bringay, Florence Le Ber, Charles Lecellier,

Plus en détail

FaceBook aime les Maths!

FaceBook aime les Maths! FaceBook aime les Maths! Michel Rigo http://www.discmath.ulg.ac.be/ http://orbi.ulg.ac.be/ Réseaux Visualizing my Twitter Network by number of followers. Michael Atkisson http://woknowing.wordpress.com/

Plus en détail

Le Futur de la Visualisation d Information. Jean-Daniel Fekete Projet in situ INRIA Futurs

Le Futur de la Visualisation d Information. Jean-Daniel Fekete Projet in situ INRIA Futurs Le Futur de la Visualisation d Information Jean-Daniel Fekete Projet in situ INRIA Futurs La visualisation d information 1.Présentation 2.Bilan 3.Perspectives Visualisation : 3 domaines Visualisation scientifique

Plus en détail

COURS SYRRES RÉSEAUX SOCIAUX. Jean-Loup Guillaume

COURS SYRRES RÉSEAUX SOCIAUX. Jean-Loup Guillaume COURS SYRRES RÉSEAUX SOCIAUX Jean-Loup Guillaume Le cours http://jlguillaume.free.fr/www/teaching/syrres/ Exemple 1 : Expérience de Milgram Objectif faire transiter une lettre depuis les Nebraska à un

Plus en détail

Introduction à l Analyse des Réseaux Sociaux

Introduction à l Analyse des Réseaux Sociaux Introduction à l Analyse des Réseaux Sociaux Erick Stattner Laboratoire LAMIA Université des Antilles et de la Guyane, France erick.stattner@univ-ag.fr Guadeloupe, Novembre 2012 Erick Stattner Introduction

Plus en détail

Approche hybride de recommandation des nouvelles collaborations

Approche hybride de recommandation des nouvelles collaborations Approche hybride de recommandation des nouvelles collaborations Nesrine BEN YAHIA 1, Wala REBHI 2, Narjès BELLAMINE 3, Henda BEN GHEZELA 4 1 RIADI-ENSI, Université de la Manouba, nesrine.benyahia@ensi.rnu.tn

Plus en détail

Développement d une ontologie pour la classification d images en télédétection

Développement d une ontologie pour la classification d images en télédétection Développement d une ontologie pour la classification d images en télédétection Omar Boussaid, David Sheeren, Anne Puissant et Pierre Gançarski Laboratoire ERIC, EA 3038 - Université Lyon 2 Omar.Boussaid@univ-lyon2.fr

Plus en détail

L'analyse des réseaux sociaux

L'analyse des réseaux sociaux L'analyse des réseaux sociaux Laurent Beauguitte CNRS - UMR IDEES 20 janvier 2015 L. Beauguitte (CNRS) SNA 20 janvier 2015 1 / 17 1 Questions de recherche et données 2 Mesures globales et locales 3 Deux

Plus en détail

Ce qu est le Data Mining

Ce qu est le Data Mining Data Mining 1 Ce qu est le Data Mining Extraction d informations intéressantes non triviales, implicites, préalablement inconnues et potentiellement utiles à partir de données. Autres appellations: ECD

Plus en détail

Laboratoire 4 Développement d un système intelligent

Laboratoire 4 Développement d un système intelligent DÉPARTEMENT DE GÉNIE LOGICIEL ET DES TI LOG770 - SYSTÈMES INTELLIGENTS ÉTÉ 2012 Laboratoire 4 Développement d un système intelligent 1 Introduction Ce quatrième et dernier laboratoire porte sur le développement

Plus en détail

Visualisation interactive multi-échelle des grands graphes : application à un réseau de blogs

Visualisation interactive multi-échelle des grands graphes : application à un réseau de blogs Visualisation interactive multi-échelle des grands graphes : application à un réseau de blogs Massoud Seifi, Jean-loup Guillaume Matthieu Latapy, Bénédicte Le Grand [prénom].[nom]@lip6.fr Université Pierre

Plus en détail

Que peut apporter l OLAP à l analyse de réseaux d informations bibliographiques?

Que peut apporter l OLAP à l analyse de réseaux d informations bibliographiques? Que peut apporter l OLAP à l analyse de réseaux d informations bibliographiques? Sabine LOUDCHER Cécile FAVRE Wararat JAKAWAT Université de Lyon (Laboratoire ERIC), France {sabine.loudcher, cecile.favre,

Plus en détail

Sujet de stage de Master 2 Informatique

Sujet de stage de Master 2 Informatique UNIVERSITE PARIS 13, Sorbonne Paris Cité Laboratoire d'informatique de Paris-Nord, UMR CNRS 7030 99, avenue Jean-Baptiste Clément - 93430 Villetaneuse France Tél : (33) 01 49 40 40 71 ; Fax : (33) 01 48

Plus en détail

Accès au Contenu Informationnel pour les Masses de Données de Documents

Accès au Contenu Informationnel pour les Masses de Données de Documents Accès au Contenu Informationnel pour les Masses de Données de Documents Grappa LILLE 3 - UR Futurs INRIA MOSTRARE Laboratoire d Informatique de Paris 6 Laboratoire de Recherche en Informatique Orsay -

Plus en détail

Avancée en classification multi-labels de textes en langue chinoise

Avancée en classification multi-labels de textes en langue chinoise Avancée en classification multi-labels de textes en langue chinoise Thèse en cotutelle présentée par Zhihua WEI pour les doctorats en informatique des Universités Lyon2 et Tongji La thèse est centrée sur

Plus en détail

Influence De La Taille Du Jeton Sur Les Performances De L algorithme D'exclusion Mutuelle De Ricart - Agrawala

Influence De La Taille Du Jeton Sur Les Performances De L algorithme D'exclusion Mutuelle De Ricart - Agrawala Influence De La Taille Du Jeton Sur Les Performances De L algorithme D'exclusion Mutuelle De Ricart - Agrawala Sarah Benkouider, Souhila Labgaa 2, Mohamed Yagoubi 3 Université Amar Telidji Département

Plus en détail

Indexation conceptuelle application au domaine biomédical. Mesures de similarité dans les ontologies. [Séminaire MIAD Montpellier SupAgro]

Indexation conceptuelle application au domaine biomédical. Mesures de similarité dans les ontologies. [Séminaire MIAD Montpellier SupAgro] [] Indexation conceptuelle application au domaine biomédical Mesures de similarité dans les ontologies Sylvie Ranwez Sébastien Harispe LGI2P de l école des mines d Alès équipe KID (Knowledge and Image

Plus en détail

Circuits électroniques au service de l'optimisation multi-requêtes

Circuits électroniques au service de l'optimisation multi-requêtes Ecole Nationale de Mécanique et d Aérotechnique Laboratoire d Informatique et d Automatique pour les Systèmes Circuits électroniques au service de l'optimisation multi-requêtes Ahcène BOUKORCA Sous la

Plus en détail

Fouille de Données et Media Sociaux Cours 2 Master DAC Data Science UPMC - LIP6

Fouille de Données et Media Sociaux Cours 2 Master DAC Data Science UPMC - LIP6 Fouille de Données et Media Sociaux Cours 2 Master DAC Data Science UPMC - LIP6 Ludovic Denoyer 21 septembre 2015 Ludovic Denoyer () FDMS 21 septembre 2015 1 / 1 Contexte Observation La plupart des bonnes

Plus en détail

L'ANALYSE DYNAMIQUE DE RESEAUX SOCIAUX METHODE ET APPLICATION (SIENA POUR LES NULS) COMPLETS AVEC SIENA. Ainhoa de Federico de la Rúa

L'ANALYSE DYNAMIQUE DE RESEAUX SOCIAUX METHODE ET APPLICATION (SIENA POUR LES NULS) COMPLETS AVEC SIENA. Ainhoa de Federico de la Rúa L'ANALYSE DYNAMIQUE DE RESEAUX SOCIAUX COMPLETS AVEC SIENA METHODE ET APPLICATION (SIENA POUR LES NULS) Ainhoa de Federico de la Rúa Université de Toulouse II Le Mirail CERS LISST RESEAUX CAUSES OU EFFETS?

Plus en détail

Projet de Chaire Machine-learning

Projet de Chaire Machine-learning Projet de Chaire Machine-learning Stéphan Clémençon Télécom ParisTech January 15, 2013 Stéphan Clémençon (Télécom ParisTech) Chaire Apprentissage January 15, 2013 1 / 1 Machine-learning: un bref tour d

Plus en détail

Langage dédié pour le pilotage de solveurs de contraintes

Langage dédié pour le pilotage de solveurs de contraintes LABORATOIRE D INFORMATIQUE DE NANTES-ATLANTIQUE UMR 6241 ÉCOLE DOCTORALE STIM, N. 503 «Sciences et technologies de l information et des mathématiques» Sujet de thèse pour 2010 Langage dédié pour le pilotage

Plus en détail

Introduction à l Intelligence Artificielle

Introduction à l Intelligence Artificielle 1 / 14 Introduction à l Intelligence Artificielle Présentation de l option 2 nd semestre 2014-15 Philippe Chatalic chatalic@lri.fr Université Paris Sud Laboratoire de Recherche en Informatique (UMR CNRS

Plus en détail

Sélection de variables groupées avec les forêts aléatoires. Application à l analyse des données fonctionnelles multivariées.

Sélection de variables groupées avec les forêts aléatoires. Application à l analyse des données fonctionnelles multivariées. Sélection de variables groupées avec les forêts aléatoires. Application à l analyse des données fonctionnelles multivariées. Baptiste Gregorutti 12, Bertrand Michel 2 & Philippe Saint Pierre 2 1 Safety

Plus en détail

Apprentissage de structure dans les réseaux bayésiens pour

Apprentissage de structure dans les réseaux bayésiens pour Apprentissage de structure dans les réseaux bayésiens pour la détection d événements vidéo Siwar Baghdadi 1, Claire-Hélène Demarty 1, Guillaume Gravier 2, et Patrick Gros 3 1 Thomson R&D France, 1 av Belle

Plus en détail

Etat de l art sur l utilisation des techniques Web Sémantique en ECD

Etat de l art sur l utilisation des techniques Web Sémantique en ECD Etat de l art sur l utilisation des techniques Web Sémantique en ECD Hicham Behja ENSAM Meknès(1,2,3) Brigitte Trousse Projet AxIS INRIA Sophia Antipolis (2) Abdelaziz Marzak Faculté des sciences Casablanca

Plus en détail

INF 721 Mesures et indicateurs du génie logiciel Trimestre Été 2015 Professeur. Évariste Valéry BÉVO WANDJI

INF 721 Mesures et indicateurs du génie logiciel Trimestre Été 2015 Professeur. Évariste Valéry BÉVO WANDJI UNIVERSITÉ DE SHERBROOKE FACULTÉ DES SCIENCES CENTRE DE FORMATION EN TECHNOLOGIES DE L INFORMATION PLAN DE COURS Cours INF 721 Mesures et indicateurs du génie logiciel Trimestre Été 2015 Professeur Évariste

Plus en détail

Estimation de la densité d arcs dans les graphes de grande taille: une alternative à la détection de clusters

Estimation de la densité d arcs dans les graphes de grande taille: une alternative à la détection de clusters Estimation de la densité d arcs dans les graphes de grande taille: une alternative à la détection de clusters Marc Boullé Orange Labs, 2 avenue Pierre Marzin, 22300 Lannion marc.boulle@orange-ftgroup.com,

Plus en détail

Une extension pour RDF/RDFS utilisant des relations procédurales

Une extension pour RDF/RDFS utilisant des relations procédurales Une extension pour RDF/RDFS utilisant des relations procédurales Jean-François Baget * * INRIA Sophia-Antipolis & LIRMM(CNRS - UM2) LIRMM, 161 rue Ada, 34392 Montpellier Cedex 5 baget@lirmm.fr RÉSUMÉ.

Plus en détail

Fouille de données et sémantique : des techniques pour donner du sens aux données

Fouille de données et sémantique : des techniques pour donner du sens aux données Fouille de données et sémantique : des techniques pour donner du sens aux données Nathalie Aussenac-Gilles (IRIT) co-animatrice avec M. Boughanem de l axe masse de données et calcul http://www.irit.fr/-masses-de-donnees-et-calcul,677-?lang=fr

Plus en détail

arxiv:1211.6851v1 [cs.lg] 29 Nov 2012

arxiv:1211.6851v1 [cs.lg] 29 Nov 2012 Classification Recouvrante Basée sur les Méthodes à Noyau arxiv:1211.6851v1 [cs.lg] 29 Nov 2012 Chiheb-Eddine Ben N Cir & Nadia Essoussi LARODEC,Institut Supérieur de Gestion de Tunis, Université de Tunis

Plus en détail

Réseau Sociaux Plan. 1. Historique. 2. Définition et fonctionnalités. 3. Usages actuels. 4. Tendances. 5. Problématiques de recherche

Réseau Sociaux Plan. 1. Historique. 2. Définition et fonctionnalités. 3. Usages actuels. 4. Tendances. 5. Problématiques de recherche Réseaux Sociaux Révolution des usages sur Internet, et nouvelles problématiques de recherche Pierre Maret, Laboratoire Hubert Curien, St-Etienne Adrien Joly, Alcatel-Lucent Bell Labs France, Villarceaux

Plus en détail

Statistique en grande dimension pour la génomique Projets 2014-2015 L. Jacob, F. Picard, N. Pustelnik, V. Viallon

Statistique en grande dimension pour la génomique Projets 2014-2015 L. Jacob, F. Picard, N. Pustelnik, V. Viallon Statistique en grande dimension pour la génomique Projets 2014-2015 L. Jacob, F. Picard, N. Pustelnik, V. Viallon Table des matières 1 Graph Kernels for Molecular Structure-Activity Relationship Analysis

Plus en détail

Apprentissage statistique dans les graphes et les réseaux sociaux

Apprentissage statistique dans les graphes et les réseaux sociaux Apprentissage statistique dans les graphes et les réseaux sociaux Patrick Gallinari Collaboration : L. Denoyer, S. Peters Université Pierre et Marie Curie AAFD 2010 1 Plan Motivations et Problématique

Plus en détail

Aspects théoriques et algorithmiques du calcul réparti Le placement

Aspects théoriques et algorithmiques du calcul réparti Le placement Aspects théoriques et algorithmiques du calcul réparti Le placement Patrick CIARLET Enseignant-Chercheur UMA patrick.ciarlet@ensta-paristech.fr Françoise LAMOUR franc.lamour@gmail.com Aspects théoriques

Plus en détail

FlexIS: vers un système d intégration d information flexible

FlexIS: vers un système d intégration d information flexible FlexIS: vers un système d intégration d information flexible P. Colomb 1, et H. Jaudoin 2 1 LIMOS - CNRS UMR 6158, Université Blaise Pascal, France email: colomb@isima.fr LIMOS, 24 Avenue des Landais,

Plus en détail

Aspects théoriques et algorithmiques du calcul réparti Le placement

Aspects théoriques et algorithmiques du calcul réparti Le placement Aspects théoriques et algorithmiques du calcul réparti Le placement Patrick CIARLET Enseignant-Chercheur UMA patrick.ciarlet@ensta-paristech.fr Françoise LAMOUR franc.lamour@gmail.com Aspects théoriques

Plus en détail

AT41 - «Métropoles et réseaux»

AT41 - «Métropoles et réseaux» AT41 - «Métropoles et réseaux» Une approche par la théorie des graphes Plan Problématiques Quelques définitions Théorie des graphes: 1. Partitionnement de graphe : ex. les communautés 2. Analyse des réseaux

Plus en détail

Une nouvelle manière de concevoir et de diffuser les algorithmes scientifiques : tirer partie des web services

Une nouvelle manière de concevoir et de diffuser les algorithmes scientifiques : tirer partie des web services Une nouvelle manière de concevoir et de diffuser les algorithmes scientifiques : tirer partie des web services Jeudi 5 Septembre 2013 JDev2013 Romain Guidoux, Libo Ren, Jonathan Fontanel, Philippe Lacomme

Plus en détail

Extraction de règles d association pour la prédiction de valeurs manquantes

Extraction de règles d association pour la prédiction de valeurs manquantes Cari 2004 7/10/04 12:00 Page 487 Extraction de règles d association pour la prédiction de valeurs manquantes Sylvie Jami 1, Tao-Yan Jen 2, Dominique Laurent 3, George Loizou 1, Oumar Sy 3,4 1. Birkbeck

Plus en détail

Graphes, réseaux et internet

Graphes, réseaux et internet Graphes, réseaux et internet Clémence Magnien clemence.magnien@lip6.fr LIP6 CNRS et Université Pierre et Marie Curie (UPMC Paris 6) avec Matthieu Latapy, Frédéric Ouédraogo, Guillaume Valadon, Assia Hamzaoui,...

Plus en détail

Approche organisationnelle basée sur le paradigme agent pour la synthèse & la réutilisation des connaissances en ingénierie collaborative

Approche organisationnelle basée sur le paradigme agent pour la synthèse & la réutilisation des connaissances en ingénierie collaborative Approche organisationnelle basée sur le paradigme agent pour la synthèse & la réutilisation des connaissances en ingénierie collaborative Hind Darwich, doctorante en thèse CIFRE au sein de la société TDC

Plus en détail

Apprentissage Automatique

Apprentissage Automatique Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs

Plus en détail

Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services

Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services 69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard

Plus en détail

COURS SYRRES RÉSEAUX SOCIAUX INTRODUCTION. Jean-Loup Guillaume

COURS SYRRES RÉSEAUX SOCIAUX INTRODUCTION. Jean-Loup Guillaume COURS SYRRES RÉSEAUX SOCIAUX INTRODUCTION Jean-Loup Guillaume Le cours Enseignant : Jean-Loup Guillaume équipe Complex Network Page du cours : http://jlguillaume.free.fr/www/teaching-syrres.php Évaluation

Plus en détail

Implémentation Matérielle des Services d un RTOS sur Circuit Reconfigurable

Implémentation Matérielle des Services d un RTOS sur Circuit Reconfigurable Implémentation Matérielle des Services d un RTOS sur Circuit Reconfigurable Pierre Olivier*, Jalil Boukhobza*, Jean-Philippe Babau +, Damien Picard +, Stéphane Rubini + *Lab-STICC, + LISyC, Université

Plus en détail

RI sociale : intégration de propriétés sociales dans un modèle de recherche

RI sociale : intégration de propriétés sociales dans un modèle de recherche RI sociale : intégration de propriétés sociales dans un modèle de recherche Ismail Badache 1 Institut de Recherche en Informatique de Toulouse, UMR 5505 CNRS, SIG 118 Route de Narbonne F-31062 Toulouse

Plus en détail

Voisinage et intrication dans les réseaux multiplexes

Voisinage et intrication dans les réseaux multiplexes 0 RMPD. Volume No. /2014 Voisinage et intrication dans les réseaux multiplexes Benjamin Renoust 1 Institut National de l Audiovisuel, Paris, France JFLI CNRS UMI 3527 & National Institute of Informatics,

Plus en détail

Département d'informatique, Université Laval, IFT-63677 SBC V&V : VÉRIFICATION ET VALIDATION DES SBC

Département d'informatique, Université Laval, IFT-63677 SBC V&V : VÉRIFICATION ET VALIDATION DES SBC Assurance qualité logicielle Logiciel conventionnel SBC Fiabilité Facilité d'entretien Facilité des modifications Principales causes d erreur Absence de spécification, manque de conformité (1) Erreurs

Plus en détail

Capture et modélisation de l activité utilisateur pour l évaluation d applications d analyse visuelle de données

Capture et modélisation de l activité utilisateur pour l évaluation d applications d analyse visuelle de données Capture et modélisation de l activité utilisateur pour l évaluation d applications d analyse visuelle de données Romain Vuillemot Université de Lyon, CNRS INSA-Lyon, LIRIS, UMR5205 F-69621, France romain.vuillemot@insa-lyon.fr

Plus en détail

Fiche de poste. UNIVERSITE DE BRETAGNE SUD (préciser si IUT) Poste n 0134. 02 97 87 66 30 02 97 87 66 35 e-mail : drh.ens@listes.univ-ubs.

Fiche de poste. UNIVERSITE DE BRETAGNE SUD (préciser si IUT) Poste n 0134. 02 97 87 66 30 02 97 87 66 35 e-mail : drh.ens@listes.univ-ubs. Fiche de poste UNIVERSITE DE BRETAGNE SUD (préciser si IUT) Poste n 0134 Corps : Sections : Profil : Localisation : Etat du poste : Maître de conférences 27 informatique IUT de Vannes Vacant Article de

Plus en détail

Enrichissement des bases de données d images médicales via la recherche participative

Enrichissement des bases de données d images médicales via la recherche participative BOUANANI Zahra (Laboratoire LIPADE, Soutenance Université Parisde Descartes, stagefrance) pour l obtention 11 Septembre du diplôme 2014 de1 Mast / 22 Soutenance de stage pour l obtention du diplôme de

Plus en détail

Prise de position de la section 7. travail sur une possible partition

Prise de position de la section 7. travail sur une possible partition Prise de position de la section 7 travail sur une possible partition Notre prise de position est structurée comme suit : dans une première partie, nous expliquons le contexte dans lequel notre travail

Plus en détail

AUTOMATISATION DE LA DÉTECTION DES CRATÈRES LUNAIRES SUR DES IMAGES ET MNT PLANÉTAIRES

AUTOMATISATION DE LA DÉTECTION DES CRATÈRES LUNAIRES SUR DES IMAGES ET MNT PLANÉTAIRES AUTOMATISATION DE LA DÉTECTION DES CRATÈRES LUNAIRES SUR DES IMAGES ET MNT PLANÉTAIRES RENSONPONCELETVANDELOISE SCHMIDT CORNET Résumé Mots-clés Abstract This research is part of the preparation of a lunar

Plus en détail

Analyse des réseaux sociaux

Analyse des réseaux sociaux Analyse des réseaux sociaux Emmanuel Viennet Laboratoire de Traitement et Transport de l Information L2TI Université Paris 13 Réseaux sociaux, analyse et data mining École Normale Supérieure Journée organisée

Plus en détail

Adaptation sémantique de documents SMIL

Adaptation sémantique de documents SMIL Adaptation sémantique de documents SMIL Sébastien Laborie Jérôme Euzenat Nabil Layaïda INRIA Rhône-Alpes - 655 Avenue de l Europe - 38334 St Ismier Cedex {Sebastien.Laborie;Jerome.Euzenat;Nabil.Layaida}@inrialpes.fr

Plus en détail

Tom Jorquera. Formation. Thèse

Tom Jorquera. Formation. Thèse Tom Jorquera 8 rue StJoseph 31400 France +336 71 05 35 58 tom@jorquera.net jorquera.net Formation 2009 2013 Doctorat Intelligence Artificielle, Équipe Systèmes MultiAgents Coopératifs (SMAC), Institut

Plus en détail

Application de filtres collaboratifs et de fouille de texte pour sites de rencontres

Application de filtres collaboratifs et de fouille de texte pour sites de rencontres Application de filtres collaboratifs et de fouille de texte pour sites de rencontres Alexandre SPAETH 26 avril 2011 Alexandre SPAETH Filtres collaboratifs et fouille de texte pour sites de rencontres 26

Plus en détail

Nouvelle Approche à base de Graphes pour les Systèmes de Recommandation Collaboratifs

Nouvelle Approche à base de Graphes pour les Systèmes de Recommandation Collaboratifs Nouvelle Approche à base de Graphes pour les Systèmes de Recommandation Collaboratifs Nassira CHEKKAI, Salim CHIKHI Laboratoire MISC, Université Mentouri Constantine, 25000, Algérie n.chekkai@gmail.com,

Plus en détail

Introduction aux algorithmes MapReduce. Mathieu Dumoulin (GRAAL), 14 Février 2014

Introduction aux algorithmes MapReduce. Mathieu Dumoulin (GRAAL), 14 Février 2014 Introduction aux algorithmes MapReduce Mathieu Dumoulin (GRAAL), 14 Février 2014 Plan Introduction de la problématique Tutoriel MapReduce Design d algorithmes MapReduce Tri, somme et calcul de moyenne

Plus en détail

Analyse des déplacements des objets mobiles : définition de comportements types

Analyse des déplacements des objets mobiles : définition de comportements types Analyse des déplacements des objets mobiles : définition de comportements types Thomas Devogele Université François Rabelais (Tours) thomas.devogele@univ-tours.fr Les déplacements L analyse des déplacements

Plus en détail

Accès personnalisé multicritères à de multiples sources d informations.

Accès personnalisé multicritères à de multiples sources d informations. Lyon - France Accès personnalisé multicritères à de multiples sources d informations. Samir kechid Université des Sciences et de la Technologie Houari Boumediene. USTHB BP 32 El Alia Bab Ezzouar Alger

Plus en détail

Enrichissement du profil utilisateur à partir de son réseau social dans un contexte dynamique : application d une méthode de pondération temporelle

Enrichissement du profil utilisateur à partir de son réseau social dans un contexte dynamique : application d une méthode de pondération temporelle Enrichissement du profil utilisateur à partir de son réseau social dans un contexte dynamique : application d une méthode de pondération temporelle Marie-Françoise Canut, Sirinya On-at, André Péninou,

Plus en détail

Allocation de ressources pour réseaux virtuels Projet de fin d études. Mikaël Capelle. Marie-José Huguet Slim Abdellatif Pascal Berthou

Allocation de ressources pour réseaux virtuels Projet de fin d études. Mikaël Capelle. Marie-José Huguet Slim Abdellatif Pascal Berthou Allocation de ressources pour réseaux virtuels Projet de fin d études Mikaël Capelle Marie-José Huguet Slim Abdellatif Pascal Berthou 27 Juin 2014 Plan 1 Introduction - La virtualisation de réseau 2 3

Plus en détail

Situation actuelle. Attachée temporaire d enseignement et de recherche (section CNU 25) à l Université Paris 2. Thèmes de recherche

Situation actuelle. Attachée temporaire d enseignement et de recherche (section CNU 25) à l Université Paris 2. Thèmes de recherche Cyrielle DUMONT Docteur en biostatistiques Née le 9 mai 1985 à Chartres (28) Adresse : Université Paris 2 12 place du Panthéon 75005 Paris Courriel : cyrielle.dumont@inserm.fr Page personnelle : www.biostat.fr/home-dumont.htm

Plus en détail

Visualisation d information

Visualisation d information Master SIAD 1 année Visualisation d information Jean-Yves Antoine http://www.info.univ-tours.fr/~antoine/ Master SIAD 1 année Visualisation d information Chapitre 1.0 Introduction Quand voir, c est comprendre

Plus en détail

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines

Plus en détail

Initiation à la fouille de données et à l apprentissage automatiq

Initiation à la fouille de données et à l apprentissage automatiq Initiation à la fouille de données et à l apprentissage automatique 1 Laboratoire d Informatique Fondamentale de Marseille Université de Provence christophe.magnan@lif.univ-mrs.fr www.lif.univ-mrs.fr/

Plus en détail

Motivation : pourquoi exploration de données? Nous nous noyons dans les données, mais manquons cruellement de connaissances

Motivation : pourquoi exploration de données? Nous nous noyons dans les données, mais manquons cruellement de connaissances 1 Introduction Définition et motivations Tâches de data mining (fouille de données, exploration de données) Techniques et algorithmes Exemples et applications 1 Motivation : pourquoi exploration de données?

Plus en détail

Apprentissage de dictionnaire pour un modèle d apparence parcimonieux en suivi visuel

Apprentissage de dictionnaire pour un modèle d apparence parcimonieux en suivi visuel Apprentissage de dictionnaire pour un modèle d apparence parcimonieux en suivi visuel Sylvain Rousseau, Christelle Garnier, Pierre Chainais To cite this version: Sylvain Rousseau, Christelle Garnier, Pierre

Plus en détail

CommentWatcher. plateforme Web open-source pour analyser les discussions sur des forums en ligne. Marian-Andrei RIZOIU

CommentWatcher. plateforme Web open-source pour analyser les discussions sur des forums en ligne. Marian-Andrei RIZOIU CommentWatcher plateforme Web open-source pour analyser les discussions sur des forums en ligne Marian-Andrei RIZOIU 2ème octobre 2013 BLEND 2013 Lyon, France Contexte Laboratoire ERIC Université Lumière

Plus en détail

Les indicateurs structurels d'un graphe: calculs, visualisation, interactivité

Les indicateurs structurels d'un graphe: calculs, visualisation, interactivité Les indicateurs structurels d'un graphe: calculs, visualisation, interactivité Brigitte GAY (*), Bernard DOUSSET (**), Radwen WANASSI (**) b.gay@esc-toulouse.fr, bernard.dousset@irit.fr, wanesradwen@gmail.com

Plus en détail

Plateforme GraMAP. 1. Description de la plateforme

Plateforme GraMAP. 1. Description de la plateforme Plateforme GraMAP 1. Description de la plateforme GraMAP (Graph Matching Algorithms Platform) est une plateforme web dédiée aux algorithmes d appariement de graphes qui implémente l ensemble des algorithmes

Plus en détail

des réapprovisionnements pour système d assemblage à deux niveaux quand les délais d approvisionnement sont aléatoires

des réapprovisionnements pour système d assemblage à deux niveaux quand les délais d approvisionnement sont aléatoires Planification des réapprovisionnements pour système d assemblage à deux niveaux quand les délais d approvisionnement sont aléatoires Oussama Ben Ammar, Faicel Hnaien, Hélène Marian, Alexandre Dolgui To

Plus en détail

Indexation de sous-collections pour l amélioration de la haute précision

Indexation de sous-collections pour l amélioration de la haute précision Indexation de sous-collections pour l amélioration de la haute précision Joëlson Randriamparany *,** *IRIT, Institut de Recherche Informatique de Toulouse Université Paul Sabatier Toulouse III 118 Route

Plus en détail

Comparaison de bornes théoriques pour l accélération du clustering incrémental en une passe

Comparaison de bornes théoriques pour l accélération du clustering incrémental en une passe Comparaison de bornes théoriques pour l accélération du clustering incrémental en une passe Nicolas Labroche, Marcin Detyniecki Thomas Baerecke UPMC Paris 6, LIP6 UMR CNRS 7606 BC 169, 4 place Jussieu

Plus en détail

Architecture des bases d images généralistes organisées en clusters

Architecture des bases d images généralistes organisées en clusters Architecture des bases d images généralistes organisées en clusters Z.Guellil 1 et L.Zaoui 2 1,2 Université des sciences et de la technologie d Oran MB, Université Mohamed Boudiaf USTO -BP 1505 El Mnaouer

Plus en détail

Les entreprises semblent, aujourd hui,

Les entreprises semblent, aujourd hui, stratégie)par CHRISTINE BALAGUÉ* L explosion actuelle des réseaux sociaux remet en cause les stratégies classiques de marketing utilisées par les entreprises. Une révolution culturelle se dessine, porteuse

Plus en détail

Développements algorithmiques au LIAMA et àamap en vue de l'analyse d'une scène forestière

Développements algorithmiques au LIAMA et àamap en vue de l'analyse d'une scène forestière Développements algorithmiques au LIAMA et àamap en vue de l'analyse d'une scène forestière Principaux contributeurs: Zhang Xiaopeng (CASIA-NLPR-LIAMA Coordinateur Groupe Image) Li HongJun (CASIA-NLPR-LIAMA

Plus en détail