Titre : Characterizing community detection algorithms and detected modules in large-scale complex networks
Mots-clés : Structure communautaire, évaluation, caractérisation, aide à la décision
Jury :
- Renaud LAMBIOTTE Professeur University of Oxford
- Anne BOYER Professeur Université de Lorraine
- Vincent LABATUT Maître de conférences Université d’Avignon
- Cécile BOTHOREL Maître de conférences IMT Atlantique (co-encadrante)
- Philippe LENCA Professeur IMT Atlantique (directeur de thèse)
- Cédric BACHER (invité) Responsable de l’unité de recherche IFREMER
« Dynamiques des écosystèmes côtiers »
Figure : 6 méthodes sur un même graphe : quelle méthode choisir ?
Résumé :
La détection de communauté est une technique qui décompose des graphes en sous-graphes densément connectés, ce qui est particulièrement utile dans le cas de (très) grands réseaux complexes dont la visualisation est difficile. De très nombreuses méthodes, très variées ont été proposées ces dernières années. Dans un contexte où aucun consensus n'émerge autour de la notion même de communauté, ces méthodes provoquent de multiples discussions scientifiques autour de la qualité de leur résultat. Dans cette thèse, nous proposons plusieurs types d'évaluation comparative et approfondie de 16 méthodes bien connues de l'état de l'art ainsi que la caractérisation exhaustive des structures communautaires découvertes dans des réseaux réels variés provenant de domaines différents. Nos résultats - méthodes et analyses - constituent un début de boîte à outils pour l'analyste bien en peine de choisir la méthode adaptée à son étude.
Lundi 17 décembre 2018 à 13h30, à IMT Atlantique, campus de Brest, petit amphithéâtre
par Mathieu SIMONNET
