Une Approche Multi-agents pour la détection des Influences dans des Réseaux sociaux

A Multi-Agent Approach for Influence Detection in Social Networks

• Auteur / Autrice : Chaima Messaoudi
• Direction : Zahia Guessoum, Lotfi Ben Romdhane
• Type : Thèse de doctorat
• Discipline(s) : Info - Informatique
• Date : Soutenance le 20/03/2023
• Etablissement(s) : Reims en cotutelle avec Institut Supérieur d'Informatique et des Techniques de Communication-université de sousse
• Ecole(s) doctorale(s) : Ecole doctorale Sciences du Numérique et de l’Ingénieur (Reims, Marne)
• Partenaire(s) de recherche : Laboratoire : Centre de Recherche en Sciences et Technologies de l'Information et de la Communication (CRESTIC) EA 3804 (Reims, Marne)
• Jury : Président / Présidente : René Mandiau
• Jury : Examinateurs / Examinatrices : Zahia Guessoum, Lotfi Ben Romdhane, Nicolas Jouandeau, Mohamed Ali Mahjoub, Sonia Ayachi Ghannouchi, Lilia Rejeb
• Jury : Rapporteurs / Rapporteuses : Nicolas Jouandeau, Mohamed Ali Mahjoub

Mots clés

Mots clés contrôlés

Bases de données textuelles

Émojis

Réseaux neuronaux graphiques

Relations humaines

Influenceurs

Communautés

Influenceuses

Analyse informatique

Réseaux sociaux (Internet)

Mots clés libres

Réseaux sociaux

Influenceurs

Extraction des opinions

Vote

Agents

Social networks

Influencers

Opinion mining

Vote

Agents

Résumé

L'omniprésence des réseaux sociaux dans la vie de tous les jours rend leur analyse indispensable. En effet, ces dernières années, deux axes de recherche ont reçu beaucoup d'intérêt dans l'analyse de ces derniers. Il s'agit de la détection des communautés et la détection des membres les plus influents. Les influenceurs sont des utilisateurs des réseaux sociaux qui peuvent encourager d'autres membres à s'engager dans davantage de relations sociales ou même changer leurs perceptions et opinions sur des thèmes spécifiques. L'effet d'influence peut prendre la forme de sentiments, pensées ou actions. Les travaux de recherche portant sur l'influence, dans un contexte de réseaux sociaux, se sont concentrés sur les liens structurels entre les nœuds ainsi que sur les interactions. Cependant, le contenu des messages et les opinions qui y sont exprimées ont reçu peu d'attention.Le premier objectif de cette thèse est de considérer les différentes interactions entre les membres d'un réseau social. Nous nous appuyons sur les publications des utilisateurs du réseau ainsi que sur sa structure du réseau pour étudier l'influence. Un nouveau modèle d'extraction de thèmes a ainsi été proposé afin de déterminer les thèmes dominants dans le réseau social. Ce modèle est fondé sur deux variantes de la méthode des K-means. Ces variantes permettent d'annoter automatiquement une base de tweets avec les thèmes associés.Les thèmes extraits sont ensuite utilisés dans une architecture de réseau de neurones profond pour l'exploration d'opinions en combinant des données textuelles et des emojis. Des variantes efficaces de CNN et de LSTM sont proposées pour extraire d'abord les opinions du texte et ensuite en considérant les emojis afin de déterminer leur impact dans l'extraction d'opinions.Les étapes ont permis de construire une abstraction du réseau social à l'aide de deux nouvelles métriques : 1) le pouvoir d'influence de l'utilisateur, utilisé comme poids du nœud, et 2) la similarité d'opinions entre deux utilisateurs, utilisée comme poids de l'arête.Après la construction du graphe pondéré, un ensemble de nœuds influents potentiels est sélectionné à l'aide du PageRank personnalisé.Ensuite, nous proposons une approche multi-agents pour résoudre le problème de maximisation de l'influence. On associe à chaque nœud du réseau social un agent (gestionnaire du nœud) et un agent de scrutin pour gérer le processus de vote.Ces agents utilisent un mécanisme de vote pour déterminer les nœuds les plus influents du réseau.Nous proposons une méthode de vote avec un critère de vote spécifique basés sur la similitude des opinions entre l'électeur et les candidats. Nous proposons également un modèle de diffusion pour valider les résultats obtenus.Un ensemble d'expériences menées sur des réseaux réels et semi-synthétiques nous a permis de valider notre approche.

The omnipresence of social networks in everyday life makes their analysis essential. Indeed, in recent years, two lines of research have received a lot of interest in the analysis of the latter. These are the detection of communities and the detection of the most influential members. Influencers are social media users who can encourage other members to engage in more social relationships or even change their perceptions and opinions on specific topics. The influence effect can take the form of feelings, thoughts or actions. Research on influence in a social network context has focused on structural links between nodes as well as interactions. However, the content of the messages and the opinions expressed therein have received little attention.The first objective of this thesis is to consider the different interactions between the members of a social network. We rely on network user posts as well as network structure to study influence. A new theme extraction model has been proposed in order to determine the dominant themes in the social network. This model is based on two variants of the K-means method. These variants make it possible to automatically annotate a database of tweets with the associated themes.The extracted themes are then used in a deep neural network architecture for opinion mining by combining textual data and emojis. Efficient variants of CNN and LSTM are proposed for first extracting opinions from text and then considering emojis to determine their impact in opinion extraction.The previous steps allowed us to build an abstraction of the social network using two new metrics: 1) the power of influence of the user, used as the weight of the node, and 2) the similarity of opinions between two users, used as edge weight.After building the weighted graph, a set of potential influential nodes is selected using the custom PageRank. Then, we propose a multi-agent approach to solve the influence maximization problem. Each node of the social network is associated with an agent (node manager) and a voting agent to manage the voting process. These agents use a voting mechanism to determine the most influential nodes in the network. We propose a voting method with a specific voting criterion based on the similarity of opinions between the voter and the candidates. We also propose a diffusion model to validate the obtained results.A set of experiments carried out on real and semi-synthetic networks allowed us to validate our approach.