en fr Exploratory link stream analysis for event detection Analyse exploratoire de flots de liens pour la détection dévénements Reportar como inadecuado




en fr Exploratory link stream analysis for event detection Analyse exploratoire de flots de liens pour la détection dévénements - Descarga este documento en PDF. Documentación en PDF para descargar gratis. Disponible también para leer online.

1 ComplexNetworks LIP6 - Laboratoire d-Informatique de Paris 6

Abstract : Link streams represent traces of complex systems- activities over time, in which links appear when two system entities interact with each other; the aggregation of entities i.e. nodes and links is a graph. These traces have become strategic datasets in the last few years for analyzing the activity of large-scale complex systems, involving millions of entities, e.g. mobile phone networks, social networks, or the Internet. This thesis deals with the exploratory analysis of link streams, in particular the characterization of their dynamics and the identification of anomalies over time called events. We propose an exploratory framework involving statistical methods and visualization, with no hypothesis about data. The detected events are statistically significant and we propose a method to validate their relevance. We finally illustrate our methodology on the evolution of Github online social network, on which hundred thousands of developers contribute to open source software projects.

Résumé : Un flot de liens représente une trace de l-activité d-un système complexe au cours du temps, où un lien apparaît lorsque deux entités du système entrent en interaction ; l-ensemble des entités et des liens forme un graphe. Ces traces constituent depuis quelques années des jeux de données stratégiques dans l-analyse de l-activité de systèmes complexes à grande échelle, impliquant des millions d-entités : réseaux de téléphone mobiles, réseaux sociaux, ou encore Internet. Cette thèse porte sur l-analyse exploratoire des flots de liens, en particulier sur la caractérisation de leur dynamique et l-identification d-anomalies au cours du temps événements. Nous proposons un cadre exploratoire sans hypothèse sur les données, faisant appel à l-analyse statistique et à la visualisation. Les événements détectés sont statistiquement significatifs et nous proposons une méthode pour valider leur pertinence. Nous illustrons enfin notre méthodologie sur l-évolution du réseau social en ligne Github, où des centaines de milliers de développeurs collaborent sur des projets de logiciel.

Mots-clés : Détection d-événements Flot de liens Graphes Statistiques Fouille visuelle Systèmes complexes





Autor: Sébastien Heymann -

Fuente: https://hal.archives-ouvertes.fr/



DESCARGAR PDF




Documentos relacionados