• Thèmes : Fouille de données (data mining), fouille de graphes, 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.

L'objectif de ce projet de recherche est de développer de nouvelles heuristiques d'énumération de l'espace de recherche des séquences fréquentes et d'évaluer leur gain. Pour cela, nous nous concentrerons sur deux types de séquences particuliers - les séquences ∂-libres et les séquences ∆-fermées - qui sont de bons représentants de toutes les séquences fréquentes.

Dans ce contexte, le travail demandé est le suivant :

• Etude de l'état de l'art sur la fouille de séquences,
• Compréhension des algorithmes,
• Développement d'un algorithme d'extraction de séquences ∆-fermées,
• Définition d'heuristiques d'énumération,
• Intégration des heuristiques,
• Evaluation sur des jeux de données réels et variés (données biologiques, textes, logs, résultats sportifs, etc.).

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.