Characterizing community detection algorithms and detected modules in large-scale complex networks

par Vinh Loc Dao

Thèse de doctorat en Informatique

Sous la direction de Philippe Lenca.

Soutenue le 17-12-2018

à l'Ecole nationale supérieure Mines-Télécom Atlantique Bretagne Pays de la Loire , dans le cadre de École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes) , en partenariat avec Département Logique des Usages, Sciences sociales et Sciences de l'Information (laboratoire) , Lab-STICC_IMTA_CID_DECIDE (laboratoire) et de Laboratoire en sciences et techniques de l'information, de la communication et de la connaissance (laboratoire) .

Le président du jury était Anne Boyer.

Le jury était composé de Philippe Lenca, Renaud Lambiotte, Vincent Labatut, Cécile Bothorel.

Les rapporteurs étaient Anne Boyer, Renaud Lambiotte.

  • Titre traduit

    Évaluation de structures de communautés


  • Résumé

    La détection de communauté est une technique qui décompose des graphes en sous graphes densément connectés, ce qui est particulièrement utile dans le cas de (très) grands réseaux complexes dont la visualisation est difficile. De très nombreuses méthodes, très variées, ont été proposées ces dernières années. Dans un contexte où aucun consensus n’émerge autour de la notion même de communauté, ces méthodes provoquent de multiples discussions scientifiques autour de la qualité de leur résultat. Dans cette thèse, nous proposons plusieurs types d’évaluation comparative et approfondie de 16 méthodes bien connues de l’état de l’art ainsi que la caractérisation exhaustive des structures communautaires découvertes dans des réseaux réels variés provenant de domaines différents. Nos résultats — méthodes et analyses —constituent un début de boîte à outils pour l’analyste bien en peine de choisir la méthode adaptée à son étude.


  • Résumé

    Community detection is a technique used to separate graphs into several densely connected groups of vertices, especially powerful when visualization techniques are infeasible for large-scale structures of networks. Thanks to aplethora of potential applications in the golden age of social interaction, many detection techniques have been invented in the last decades. Their performance in discovering significant structures has been a hot topic in the network science community since there is still no consensus on what good communities are. In this dissertation, we invite readers to go through several comprehensive analyses of various state-of-the-art community detection methods as well as modular structures of real networks belonging to a large variety of domains. Our results provide intuitive illustrations of community structures and useful information that helps readers to choose their context-based rule-of-thumb solution.


Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse\u00a0?

  • Bibliothèque : IMT Atlantique campus de Brest. Bibliothèque d'études.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.