Javascript must be enabled to continue!
Attributed Network Clustering : Application to recommender systems
View through CrossRef
Clustering dans les réseaux attribués : Application aux systèmes de recommandation
Au cours de la dernière décennie, les réseaux (les graphes) se sont révélés être un outil efficace pour modéliser des systèmes complexes. La problématique de détection de communautés est une tâche centrale dans l’analyse des réseaux complexes. La majeur partie des travaux dans ce domaine s’intéresse à la structure topologique des réseaux. Cependant, dans plusieurs cas réels, les réseaux complexes ont un ensemble d’attributs associés aux nœuds et/ou aux liens. Ces réseaux sont dites : réseaux attribués. Mes activités de recherche sont basées principalement sur la détection des communautés dans les réseaux attribués. Pour aborder ce problème, on s’est intéressé dans un premier temps aux attributs relatifs aux liens, qui sont un cas particulier des réseaux multiplexes. Un multiplex est un modèle de graphe multi-relationnel. Il est souvent représenté par un graphe multi-couches. Chaque couche contient le même ensemble de nœuds mais encode une relation différente. Dans mes travaux de recherche, nous proposons une étude comparative des différentes approches de détection de communautés dans les réseaux multiplexes. Cette étude est faite sur des réseaux réels. Nous proposons une nouvelle approche centrée "graine" pour la détection de communautés dans les graphes multiplexes qui a nécessité la redéfinition des métriques de bases des réseaux complexes au cas multiplex. Puis, nous proposons une approche de clustering dans les réseaux attribués qui prend en considération à la fois les attributs sur les nœuds et sur les liens. La validation de mes approches a été faite avec des indices internes et externes, mais aussi par une validation guidée par un système de recommandation que nous avons proposé et dont la détection de communautés est sa tâche principale. Les résultats obtenus sur ces approches permettent d’améliorer la qualité des communautés détectées en prenant en compte les informations sur les attributs du réseaux. De plus, nous offrons des outils d’analyse des réseaux attribués sous le langage de programmation R.
Title: Attributed Network Clustering : Application to recommender systems
Description:
Clustering dans les réseaux attribués : Application aux systèmes de recommandation
Au cours de la dernière décennie, les réseaux (les graphes) se sont révélés être un outil efficace pour modéliser des systèmes complexes.
La problématique de détection de communautés est une tâche centrale dans l’analyse des réseaux complexes.
La majeur partie des travaux dans ce domaine s’intéresse à la structure topologique des réseaux.
Cependant, dans plusieurs cas réels, les réseaux complexes ont un ensemble d’attributs associés aux nœuds et/ou aux liens.
Ces réseaux sont dites : réseaux attribués.
Mes activités de recherche sont basées principalement sur la détection des communautés dans les réseaux attribués.
Pour aborder ce problème, on s’est intéressé dans un premier temps aux attributs relatifs aux liens, qui sont un cas particulier des réseaux multiplexes.
Un multiplex est un modèle de graphe multi-relationnel.
Il est souvent représenté par un graphe multi-couches.
Chaque couche contient le même ensemble de nœuds mais encode une relation différente.
Dans mes travaux de recherche, nous proposons une étude comparative des différentes approches de détection de communautés dans les réseaux multiplexes.
Cette étude est faite sur des réseaux réels.
Nous proposons une nouvelle approche centrée "graine" pour la détection de communautés dans les graphes multiplexes qui a nécessité la redéfinition des métriques de bases des réseaux complexes au cas multiplex.
Puis, nous proposons une approche de clustering dans les réseaux attribués qui prend en considération à la fois les attributs sur les nœuds et sur les liens.
La validation de mes approches a été faite avec des indices internes et externes, mais aussi par une validation guidée par un système de recommandation que nous avons proposé et dont la détection de communautés est sa tâche principale.
Les résultats obtenus sur ces approches permettent d’améliorer la qualité des communautés détectées en prenant en compte les informations sur les attributs du réseaux.
De plus, nous offrons des outils d’analyse des réseaux attribués sous le langage de programmation R.
Related Results
Privacy Risk in Recommender Systems
Privacy Risk in Recommender Systems
Nowadays, recommender systems are mostly used in many online applications to filter information and help users in selecting their relevant requirements. It avoids users to become o...
The Kernel Rough K-Means Algorithm
The Kernel Rough K-Means Algorithm
Background:
Clustering is one of the most important data mining methods. The k-means
(c-means ) and its derivative methods are the hotspot in the field of clustering research in re...
Web-Based Patient Recommender Systems for Preventive Care: Protocol for Empirical Research Propositions
Web-Based Patient Recommender Systems for Preventive Care: Protocol for Empirical Research Propositions
Background
Preventive care helps patients identify and address medical issues early when they are easy to treat. The internet offers vast information about prev...
Intelligent healthcare recommender system for advanced healthcare services
Intelligent healthcare recommender system for advanced healthcare services
The introduction of cutting-edge technologies has brought about a lot of changes in the healthcare industry. The application of intelligent recommender systems to improve healthcar...
Design of an Unsupervised Machine Learning-Based Movie Recommender System
Design of an Unsupervised Machine Learning-Based Movie Recommender System
This research aims to determine the similarities in groups of people to build a film recommender system for users. Users often have difficulty in finding suitable movies due to the...
Recommender System for E-Health
Recommender System for E-Health
Introduction; E-healthcare management services can be significantly enhanced through the implementation of recommender systems, as highlighted in various research papers. These sys...
Image clustering using exponential discriminant analysis
Image clustering using exponential discriminant analysis
Local learning based image clustering models are usually employed to deal with images sampled from the non‐linear manifold. Recently, linear discriminant analysis (LDA) based vario...
Development of E-Commerce Website Recommender System Using Collaborative Filtering and Deep Learning Techniques
Development of E-Commerce Website Recommender System Using Collaborative Filtering and Deep Learning Techniques
Recommender system or recommendation system is becoming an increasingly important technology on e-commerce websites to help users find products that suit their preferences. However...

