Analyse Interactive de Graphes Attribués : applications à l'analyse de réseaux de co-auteurs

• Thèmes : Fouille de données (data mining), fouille de graphes, interaction, réseaux sociaux, big data, data science.
• Encadrant : Marc Plantevit
• Laboratoire : LIRIS
• Equipe : DM2L (Data Mining and Machine Learning)

On se place dans le cadre de l'étude des graphes attribués. Un réseau social est un exemple de graphe attribué, où les noeuds sont les individus, les attributs caractérisent ces individus (âge, nombre de messages, …) et les liens représentent des relations d'amitié partagée. Chaque noeud est aussi décrit par plusieurs mesures topologiques (calculées) dans le graphes, comme le degré qui compte le nombre de voisins directement connectés, ou la centralité qui mesure son importance dans le graphe. L'étude de graphes attribués est importante dans de nombreux domaines d'application, impliquant l'étude d'interactions entre individus, ou encore l'étude de données scientifiques (e.g. sciences du vivant), et extraire des motifs ou régularités afin d'exhiber des phénomènes observés dans cette dynamique est un enjeu important.

L'équipe DM2L du LIRIS s'intéresse à l'analyse de tels graphes et a ainsi développer plusieurs méthodes dédiés à la découvertes de motifs dans des graphes (dynamiques) attribués. Toutefois, il n'existe pas à l'heure actuelle d'outil pleinement interactif et englobant toute la chaine de traitement, c'est à dire un outil où l'utilisateur puisse interagir pleinement avec et à toutes les étapes allant des données brutes aux motifs finaux.

L'objectif de ce projet de recherche est de développer un outil interactif d'analyse de graphes attribués.

Dans ce contexte, le travail demandé est le suivant :

• Etude de l'état de l'art sur la fouille de graphes attribués,
• Génération de graphes attribués à partir d'une requête utilisateur,
• Calculs d'attributs supplémentaires (topologiques),
• Développer l'aspect interactif (et anytime),
• Visualisation (et export) des résultats sous forme de graphes.

Dans ce travail, nous nous focaliserons sur des données bibliographiques afin d'étudier les systèmes coopération entre scientifiques et les thématiques émergentes.

• Julien Salotti, Marc Plantevit, Céline Robardet, Jean-François Boulicaut: Supporting the Discovery of Relevant Topological Patterns in Attributed Graphs. ICDM (demo) 2012: 898-901
• Adriana Prado, Marc Plantevit, Céline Robardet, Jean-François Boulicaut: Mining Graph Topological Patterns: Finding Covariations among Vertex Descriptors. IEEE Trans. Knowl. Data Eng. 25(9): 2090-2104 (2013)

Ce projet est pertinent pour les étudiants désirant s'orienter vers les masters M2TI(W) ou M2IADE ou les étudiants intéressés par la science des données.