Temporal Centralities: A study of the importance of nodes in dynamic graphs
Les centralités temporelles : étude de l'importance des nœuds dans les réseaux dynamiques
Résumé
Nowadays, interactions are a huge part of our daily life. These interactions can represent the diffusion of rumors, diseases, etc. Understanding how these interactions affect our life is quite important. A natural way to do so is using graph theory. However, this is not straightforward as studies show the temporal aspect, in other words, the order of interactions, should be taken into account.
In this work, we concentrated on detecting the important individuals in these graphs using centrality metrics that take into account the temporal aspect. We proposed a comparison protocol that compares the different centrality metrics that exist. We applied it on several networks, which gave us insight on how the different metrics react. Secondly, we observed the high computational need of these centrality metrics. Therefore, we introduced a method to reduce this need. And finally, we introduced a novel centrality metric that we call ego-betweenness centrality.
De nos jours, nous avons accès à des données de différents contextes. Parmi ceux-ci, nous pouvons citer les données d’échange d'informations comme échange d’émail, de mouvements des individus ou infrastructures réseaux. Il sera utile de mieux comprendre ces données. Une maniéré de les comprendre est la détection des entités importantes, c'est qui permettent de diffuse les informations de manière efficace ou éviter les épidémies entre individus. Pour pouvoir détecter ces individus, nous utilisons la théorie de graphe. Nous représentons les individues comme les nœuds des graphes et les interactions comme les liens entre les nœuds. Ainsi, nous pouvons utiliser la notion de centralité pour évaluer l'importance de chaque nœuds du réseaux
Dans le cadre de cette thèse, nous avons travaillé sur deux objectifs principales. D'abord nous avons constate que l'aspect temporel dans ces données est très important et il faut le prendre en compte. Plusieurs méthodes ont été proposées dans la littérature pour prendre en compte cette information temporelle. Ce pendant, il n'existe a ce jour aucune méthode de comparaisons des mesures de centralité temporelle. Dans cette thèse, nous avons proposé une méthode pour pouvoir comparer ces métriques. En particulier, nous étudions comment un nœud est considéré importante par chaque méthode au fil du temps, et si globalement un nœud est considéré important ou non.
Dans un deuxième temps, nous développons une méthode d'approximation pour l'une de ces adaptations. Cette méthode nous permettrait d'analyser des données de grande taille, que nous ne pouvons pas analyser correctement à cause de sa taille. Dans le même but, nous avons travaillé sur la notion d'importance pour les nœuds sur les réseaux ego-centrés
Origine | Fichiers produits par l'(les) auteur(s) |
---|
Loading...