<note tip>Mots clés : Fouille de données (Data mining), analyse de réseaux, systèmes complexes, graphes (dynamiques attribués)</note>

De nombreux phénomènes réels peuvent être modélisés par des réseaux où les sommets représentent les entités, les arêtes représentant des relations entre elles. Des attributs sont souvent associés aux sommets et fournissent des informations supplémentaires. Notons que les arêtes et les sommets (i.e., leurs attributs) peuvent évoluer au cours du temps. Ce type de données est devenu ubiquitaire. Par conséquent, permettre la découverte de connaissances dans de tels types de données, comme par exemple dans de grands réseaux sociaux (facebook, twitter, etc.) ou biologiques, est devenu un défi majeur.

L'objectif de ce TER est de définir une approche permettant la découverte “d'attributs déclencheurs”. Plus précisément, il s'agit de mettre en évidence les attributs (ou les combinaisons d'attributs) dont l'évolution de leur valeur déclenche un changement. Dans des réseaux sociaux, un telle approche peut permettre de découvrir des connaissances de la forme “l'obtention d'un oscar entraine une augmentation très importante du nombre d'amis (degré entrant)”.

• Construction d'un jeu de données conséquent (réseau de co-citations) à partir d'un croisement entre google scholar et DBLP.
• Caractérisation du voisinage d'un sommet dans un graphe (quelles mesures qui peuvent être utilisées).
• Proposition d'un algorithme de découverte d'attributs déclencheurs.
• Implémentation de l'algorithme.

• Langage C++ (algorithme)
• Langage Java (récupération d'informations sur le web)
• Bibliothèques d'analyse de graphes (calculs de certaines mesures)

<note>N'hésitez pas à me contacter pour plus de détails.</note>