Complex Networks Sparsification and Backbone Extraction

Sparsification et extraction du backbone des réseaux complexes Les réseaux du monde réel sont souvent vastes et complexes, rendant leur analyse directe à la fois coûteuse en calcul et difficile à interpréter. Pour y remédier, la sparsification de réseau vise à réduire la complexité structurelle en supprimant sélectivement certaines arêtes. Cette thèse se concentre sur l’extraction de backbone, une approche de filtrage qui simplifie les réseaux pondérés en supprimant les arêtes redondantes ou statistiquement insignifiantes, ou encore en extrayant le noyau du réseau selon une propriété topologique donnée. Nous proposons trois contributions principales.Nous commençons par passer en revue et analyser les méthodes existantes, que nous classons en deux grandes catégories : statistiques et structurelles. Les méthodes statistiques évaluent la signification des arêtes par rapport à un modèle nul, tandis que les méthodes structurelles imposent des contraintes topologiques telles que la connectivité ou la planarité. Nous proposons ensuite Netbone, une bibliothèque qui unifie l’étude et l’analyse de ces approches. À l’aide de Netbone, nous réalisons une comparaison et une analyse détaillées des différentes méthodes selon plusieurs perspectives et sur de multiples jeux de données. Notre objectif est de clarifier le comportement des méthodes, leurs domaines d’application et les distorsions structurelles qu’elles peuvent introduire. Ces résultats offrent des recommandations pratiques pour choisir la technique d’extraction de backbone la plus adaptée en fonction des objectifs analytiques et des caractéristiques du réseau. Nous étendons ensuite Netbone avec un module d’interprétation du backbone basé sur un grand modèle de langage.Enfin, notre dernière contribution consiste en une nouvelle méthodologie de sparsification de graphe. Celle-ci exploite des techniques de prédiction de liens pour construire un backbone de réseau. L’idée principale est que si un lien peut être prédit avec précision, il est probablement important et devrait être inclus dans le backbone du réseau. En conséquence, nous développons plusieurs variantes de backbone en utilisant différents types de modèles de prédiction de liens.