Détection de communautés dans les grands réseaux. Application aux réseaux d'interactions de gènes

par Marwa Ben M'Barek

Projet de thèse en Informatique

Sous la direction de Marta Rukoz-Castillo et de Amel Borgi.

Thèses en préparation à Paris Sciences et Lettres en cotutelle avec Faculté des Sciences Mathématiques, Physiques et Naturelles de Tunis , dans le cadre de Ecole doctorale de Dauphine (Paris) , en partenariat avec Laboratoire d'Analyse et de Modélisation de Systèmes d'Aide à la Décision (laboratoire) et de Université Paris-Dauphine (établissement de préparation de la thèse) depuis le 01-09-2018 .


  • Résumé

    La perception actuelle de la notion de réseau a permis de réaliser des progrès significatifs pour la compréhension des systèmes complexes. L'une des caractéristiques des réseaux représentant des systèmes réels est l'existence de zones plus densément connectées que d'autres. Ces zones, appelées communautés, donnent une idée sur la structure des réseaux et peuvent avoir des interprétations pertinentes et à forte sémantique qui dépendent du domaine et du type de réseau considérés. Leur détection est un outil important pour la compréhension des structures et des fonctionnements de ces réseaux. C'est dans ce cadre que s'inscrit ce sujet de thèse, il s'agit plus précisément de travailler sur des méthodes de détection de communautés dans les graphes. D'où, notre objectif consiste à proposer une approche basée sur l'apprentissage artificiel pour détecter de communautés, cela passe notamment par la détermination d'une heuristique adéquate pour la recherche d'une partition optimale du graphe. Cette approche sera adaptée aux contraintes et spécificités des réseaux biologiques.

  • Titre traduit

    Community detection in complex networks. Application to gene interaction network


  • Résumé

    The modern science of networks has brought significant advances to our understanding of complex networks. One of the most relevant features of networks system's representation is the existence of areas more densely connected than other areas. These areas are usually called as communities. These communities give us an idea about the perception on the structure of networks. The context of this thesis is to propose an approach to detect communities from networks based on machine learning. This approach will be adapted to biological networks.