Une approche centrée graine pour la détection de communautés dans les réseaux multiplexes

Résumé. Nous nous intéressons dans ce travail au problème de détection de communautés dans les réseaux multiplexes. Le modèle de réseau multiplexe a été récemment introduit afin de faciliter la modélisation des réseaux multirelationnels, des réseaux dynamiques et/ou des réseaux attribués. Les approches existantes pour la détection de communautés dans ce genre de graphes sont, pour la plupart, basées sur des schémas d’agrégation de couches ou d’agrégation de partitions. Nous proposons ici une nouvelle approche centrée graine qui permet de prendre en compte directement la nature multi-couche d’un réseau multiplexe. Des expérimentations effectuées sur différents réseaux multiplexes montrent que notre approche surpasse les approches de l’état de l’art en termes de qualité des communautés identifiées.

[1]  C. Winick.  The Diffusion of an Innovation Among Physicians , 2016 .

[2]  Katarzyna Musial,et al.  A degree centrality in multi-layered social network , 2011, 2011 International Conference on Computational Aspects of Social Networks (CASoN).

[3]  Fosca Giannotti,et al.  Finding and Characterizing Communities in Multidimensional Networks , 2011, 2011 International Conference on Advances in Social Networks Analysis and Mining.

[4]  Vito Latora,et al.  Metrics for the analysis of multiplex networks , 2013, ArXiv.

[5]  M E J Newman,et al.  Community structure in social and biological networks , 2001, Proceedings of the National Academy of Sciences of the United States of America.

[6]  Vito Latora,et al.  Measuring and modelling correlations in multiplex networks , 2014, Physical review. E, Statistical, nonlinear, and soft matter physics.

[7]  Massimiliano Zanin,et al.  Emergence of network features from multiplexity , 2012, Scientific Reports.

[8]  Jean-Loup Guillaume,et al.  Community cores in evolving networks , 2012, WWW.

[9]  Jukka-Pekka Onnela,et al.  Community Structure in Time-Dependent, Multiscale, and Multiplex Networks , 2009, Science.