Notion de maximisation de l’influence dans les réseaux sociaux

Vous avez une question, contacter notre assistance par E-mail : admin@clicours.com

Table des matières

Introduction
1 Définitions, terminologie et notations
1.1 Graphes et réseaux sociaux
1.1.1 Concepts de base des graphe
1.1.2 Graphes et réseaux sociaux
1.2 Notion de maximisation de l’influence dans les réseaux sociaux
1.2.1 Influence
1.2.1.1 Généralité sur l’influence
1.2.1.2 Influence dans les réseaux sociaux
1.2.2 Le problème de maximisation
1.2.3 Le problème de maximisation de l’influence
2 Les réseaux sociaux et la diffusion de l’information
2.1 Généralité sur les réseaux sociaux 2
2.1.1 Définition et principe de fonctionnement
2.1.2 Quelques chiffres
2.1.3 Exemples
2.1.3.1 Facebook
2.1.3.2 Twitter
2.1.3.3 Autres réseaux sociaux
2.1.4 Réseaux sociaux multicouches
2.1.4.1 Agrégation de plusieurs réseaux sociaux
2.1.4.2 Un réseau social avec plusieurs natures de relations
2.1.4.3 Autres exemples de réseaux multicouches
2.2 Analyse des réseaux sociaux
2.3 Diffusion de l’information
2.3.1 La percolation dans les réseaux sociaux
2.3.2 Les modèles épidémiques
2.3.2.1 Le modèle SI (Susceptible-Infected)
2.3.2.2 Le modèle SIR (Susceptible-Infected-Recovered)
2.3.2.3 Autre modèles épidémiques
2.3.3 La diffusion dans les réseaux sociaux
2.3.3.1 Les modèles de base : Cascade indépendante et Seuil linéaire
2.3.3.2 Cascade indépendant
2.3.3.3 Seuil linéaire
2.3.3.4 Autres modèles de propagation
2.3.4 Modèles IC et LT dans les réseaux sociaux multicouches
2.3.4.1 Le modèle seuil linéaire
2.3.4.2 Le modèle cascade
2.4 Maximisation de l’influence et algorithme glouton
3 Choix des semences dans la maximisation de l’influence
3.1 Etat de l’art sur la détection des semences
3.1.1 Sélection statique
3.1.2 Sélection dynamique
3.1.3 Sélection gloutonne
3.2 Synthèse de l’état de l’art
3.3 Contributions
3.4 Heuristique degré de diffusion
3.4.1 Niveau d’un sommet par rapport à un autre
3.4.2 Approche du degré de diffusion
3.4.3 La centralité de degré de diffusion
3.4.3.1 Modèle mathématique
3.4.3.2 Modèle algorithmique
3.5 Heuristique Degré multi-diffusion (CMLN dd )
3.5.1 Approche du degré de multi-diffusion
3.5.2 Modèle mathématique
3.5.2.1 La contribution de l’utilisateur
3.5.2.2 La contribution des voisins
3.5.2.3 L’heuristique degré de multi-diffusion
3.5.3 Modèle Algorithmique
3.6 Graphe couvrant de maximisation
3.6.1 Mesure de centralité par proximité et degré
3.6.2 La rétroaction (Information feedback)
3.6.3 Approche du graphe couvrant de maximisation
3.6.4 Algorithme SCG
3.6.4.1 Algorithme SCGv1
3.6.4.2 Algorithme SCGv2
3.6.5 Algorithme SG
4 Validation
4.1 Outils
4.1.1 Quelques outils
4.1.2 Choix
4.2 Jeux de données
4.3 Présentation des résultats
4.3.1 Heuristique degré diffusion
4.3.1.1 Heuristiques de références de paramètres de simulations
4.3.1.2 Résultats
4.3.2 Heuristique degré multi-diffusion (CMLN dd )
4.3.2.1 Heuristiques de références de paramètres de simulations
4.3.2.2 Résultats
4.3.3 Graphe couvrant de maximisation
4.3.3.1 Heuristiques de référence et paramètres de simulations8
4.3.3.2 Résultats
Conclusions et travaux futurs
Annexe
4.4 Exemple de graphes avec le codage GML
4.5 Code tikz
4.5.1 Graphe de la figure 2
4.5.2 Le flux de la méthode plot de la classe Igraph
4.6 Code R des modèles de diffusions IC et LT
TABLE DES MATIÈRES
4.6.1 Code R de IC
4.6.2 Code R de LT
Bibliographie