Granularité des motifs de co-variations dans des graphes attribués dynamiques

Decouvrir des connaissances dans des graphes qui sont dynamiques et dont les sommets sont attribues est de plus en plus etudie, par exemple dans le contexte de l’analyse d’interactions sociales. Il est souvent possible d’expliciter des hierarchies sur les attributs permettant de formaliser des connaissances a priori sur les descriptions des sommets. Nous proposons d’etendre des techniques de fouille sous contraintes recemment proposees pour l’analyse de graphes attribues dynamiques lorsque l’on exploite de telles hierarchies et donc le potentiel de generalisation/specialisation qu’elles permettent. Nous decrivons un algorithme qui calcule des motifs de co-evolution multi-niveaux, c’est-a-dire des ensembles de sommets qui satisfont une contrainte topologique et qui evoluent de la meme facon selon un ensemble de tendances et de pas de temps. Nos experimentations montrent que l’utilisation d’une hierarchie permet d’extraire des collections de motifs plus concises sans perdre d’information.