Abstract FR:

Un réseau social est une structure composée d'entités reliées par un ou plusieurs types d'interdépendance, le plus souvent modélisé par un ou plusieurs graphes. Une caractéristique importante des réseaux sociaux est leur structure en communautés. Une communauté est définie comme un ensemble de nœuds qui interagissent d'avantage entre eux qu'avec le reste du réseau. Cette thèse porte sur l'analyse des communautés dans les réseaux sociaux, qui est utile pour de nombreuses tâches, telles la caractérisation de la structure, les systèmes de recommandation, la visualisation, ou encore le suivi de la dynamique. Nous proposons notamment des techniques pour découvrir les communautés dans les graphes bipartites, basé sur l'optimisation de modularités bipartites. Nous étudions ensuite la détection de communautés dans les graphes dont les nœuds sont associés à des attributs, comme cela est très souvent le cas dans les applications réelles. Nos algorithmes considèrent simultanément la structure et les attributs du graphe et détectent des communautés telles que les nœuds dans la même communauté soient densément connectés et portent des attributs proches. Les méthodes développées sont appliquées à l'analyse des communautés du site web social Skyrock et de réseaux de blogs, dans le cadre du projet ANR ExDEUSS CEDRES. Nous étudions aussi la contribution des informations extraites des communautés pour améliorer la performance des systèmes de recommandation. Enfin, nous proposons un modèle génératif de réseau social intégrant les attributs de nœuds et la structure des communautés, qui nous permet de proposer des jeux de tests artificiels simulant des réseaux complexes réels.