Auteur / Autrice : | Abdulkadir Celikkanat |
Direction : | Nikos Paragios, Fragkiskos Malliaros |
Type : | Thèse de doctorat |
Discipline(s) : | Informatique |
Date : | Soutenance le 21/04/2021 |
Etablissement(s) : | université Paris-Saclay |
Ecole(s) doctorale(s) : | École doctorale Sciences et technologies de l'information et de la communication |
Partenaire(s) de recherche : | Laboratoire : Centre de vision numérique (Gif-sur-Yvette, Essonne) |
référent : CentraleSupélec (2015-....) | |
Jury : | Président / Présidente : Céline Hudelot |
Examinateurs / Examinatrices : Thomas Bonald, Philippe Cudré-Mauroux, Massih-Reza Amini, Yuxiao Dong, Tina Eliassi-Rad | |
Rapporteurs / Rapporteuses : Thomas Bonald, Philippe Cudré-Mauroux |
Mots clés
Résumé
L'objectif principal de l'Apprentissage de Représentations sur Graphes est de plonger les nœuds dans un espace vectoriel de petite dimension. Dans cette thèse, nous abordons plusieurs enjeux dans le domaine. Tout d'abord, nous étudions comment exploiter l'existence de communautés structurelles locales inhérentes aux graphes tout en apprenant les représentations. Nous apprenons des représentations améliorées de la communauté en combinant les informations latentes avec les représentations. De plus, nous nous concentrons sur l'expressivité des représentations. Nous mettons l'accent sur les distributions de familles exponentielles pour saisir des modèles d'interaction riches. Nous proposons un modèle qui combine les marches aléatoires avec une matrice de factorisation sous forme de noyau. Dans la dernière partie de la thèse, nous étudions des modèles permettant un bon compromis entre efficacité et précision. Nous proposons un modèle évolutif qui calcule des représentations binaires.