Exploration, navigation et visualisation des réseaux multi-couches à travers les sciences humaines et sociales

Exploration, navigation and visualisation of multilayers networks through human and social science

• Auteur / Autrice : Antoine Laumond
• Direction : Guy Melançon, Bruno Pinaud
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 30/06/2020
• Etablissement(s) : Bordeaux
• Ecole(s) doctorale(s) : École doctorale Mathématiques et informatique (Talence, Gironde ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire bordelais de recherche en informatique
• Jury : Président / Présidente : Xavier Blanc
• Jury : Examinateurs / Examinatrices : Christine Largeron, Mohammad Ghoniem
• Jury : Rapporteurs / Rapporteuses : Florence Sèdes, Cyril de Runz
• DOI : 10.70675/4594b7faz6b43z4898z955czca718758de32

Mots clés

Mots clés contrôlés

Réseaux sociaux (Internet)

Humanités numériques

Sciences humaines

Mots clés libres

Multi-Couche

Réseau

Sciences humaines et sociales

Exploration

Navigation

Visualisation

Humanités numériques

Multilayer

Network

Human and social sciences

Exploration

Navigation

Visualization

Digital humanities

Résumé

De nos jours les réseaux deviennent des sujets d'étude de plus en plus répandus dans de nombreux domaines : des réseaux sociaux en ligne jusqu'aux réseaux criminels en passant par des corpus de documents liés. Parmi ces réseaux existent ce que l'on appelle des ''réseaux multi-couches'', des réseaux se décomposant en plusieurs ensembles d'éléments de types différents (''les couches''). Ces objets sont communément rencontrés en sciences humaines et sociales mais peuvent être difficiles à exploiter à cause de leur complexité sémantique. Nous proposons alors M-QuBEEE, une méthode d'exploration par extractions successives et évolutives de sous-réseaux. Spécialement adaptée à la méthodologie des experts des sciences humaines et sociales, M-QuBEEE détermine l'intérêt de chaque élément du réseau pour l'utilisateur afin de lui proposer une vue partielle pertinente. Celui-ci peut ensuite continuer à interagir itérativement sur ces sous-réseaux pour améliorer ses vues ou explorer de nouvelles pistes.

Nowadays networks are becoming more and more common subjects of study in many fields: from online social networks to criminal networks and linked collections of documents. Among these networks, a particular type of network, called ''multi-layer networks'', are composed of several sets of elements of distinct types (''the layers''). These objects are commonly encountered in the humanities and social sciences research fields but can be difficult to exploit because of their semantic complexity. To this end, we present M-QuBEEE, a method to explore multi-layer networks by successive and evolutive subnetwork extractions. Specifically adapted to the methodology of experts in the human and social sciences, M-QuBEEE determines the pertinence of each element of the network in order to propose a partial view relevant to the users. Users can then continue to interact iteratively on these sub-networks to improve their views or explore new directions.