Direction de recherche : Zahia GUESSOUM

Co-encadrement : BEN ROMDHANE Lotfi

Détection des communautés dans les réseaux sociaux dynamiques: une approche multi-agents

L'analyse des réseaux sociaux a conduit à la découverte d'une propriété très intéressante: ces réseaux se caractérisent par l'existence de zones de forte densité constituées d'éléments fortement connectés entre eux. Ces zones appelées"communautés",évoluent au cours du temps suivant la dynamique des acteurs sociaux et de leurs interactions. L'identification de ces communautés offre un éclairage intéressant sur la structure du réseau et permet de suivre leur évolution au fil du temps. Bien que ce problème ait donné lieu à de très nombreux travaux ces dernières années, la détection des communautés dynamiques reste encore un problème ouvert et aucune solution entièrement satisfaisante n'est encore proposée. Dans ce travail, nous proposons une approche multi-agents pour la détection des communautés dans les réseaux sociaux dynamiques. Les entités de notre approche observent l'évolution du réseau, et en conséquence, elles adaptent en temps réel le graphe représentant le réseau et elles engendrent les modifications adéquates sur les communautés précédemment détectées. Cette approche permet de modéliser le réseau par un graphe dynamique qui s'adapte en fonction l'évolution observée dans le réseau. Pour cette modélisation, plusieurs aspects du réseau sont intégrés : la structure topologique du graphe, la similarité sémantiques des membres sociaux et la communication entre eux. Cette modélisation se base sur le concept d'homophilie et sur une stigmergie à base des phéromones. Afin d'étudier les performances de l'approche proposée, nous l'avons appliquée sur un ensemble très varié de graphes réels et artificiels. Les résultats ont été suffisamment satisfaisants et montrent la bonne performance de notre modèle.

Publications 2014-2016

• 2016
  • H. Zardi : “Détection des communautés dans les réseaux sociaux dynamiques: une approche multi-agents”, soutenance de thèse, soutenance 09/03/2016, direction de recherche Guessoum, Zahia, co-encadrement : Ben, ROMDHANE Lotfi (2016)
  • H. Zardi, L. Ben Romdhane, Z. Guessoum : “Efficiently Mining Community Structures in Weighted Social Networks”, International Journal of Data Mining, Modelling and Management, vol. 8 (1), pp. 32-61, (Inderscience) (2016)
• 2014
  • H. Zardi, L. Ben Romdhane, Z. Guessoum : “A Multi-agent Homophily-Based Approach for Community Detection in Social Networks”, IEEE International Conference on Tools with Artificial Intelligence, ICTAI 2014, Limassol, Cyprus, pp. 501-505, (IEEE) (2014)