Papers
Topics
Authors
Recent
Gemini 2.5 Flash
Gemini 2.5 Flash
97 tokens/sec
GPT-4o
53 tokens/sec
Gemini 2.5 Pro Pro
44 tokens/sec
o3 Pro
5 tokens/sec
GPT-4.1 Pro
47 tokens/sec
DeepSeek R1 via Azure Pro
28 tokens/sec
2000 character limit reached

Une méthode pour caractériser les communautés des réseaux dynamiques à attributs (1312.4676v1)

Published 17 Dec 2013 in cs.SI

Abstract: Many complex systems are modeled through complex networks whose analysis reveals typical topological properties. Amongst those, the community structure is one of the most studied. Many methods are proposed to detect communities, not only in plain, but also in attributed, directed or even dynamic networks. A community structure takes the form of a partition of the node set, which must then be characterized relatively to the properties of the studied system. We propose a method to support such a characterization task. We define a sequence-based representation of networks, combining temporal information, topological measures, and nodal attributes. We then characterize communities using the most representative emerging sequential patterns of its nodes. This also allows detecting unusual behavior in a community. We describe an empirical study of a network of scientific collaborations.---De nombreux syst`emes complexes sont \'etudi\'es via l'analyse de r\'eseaux dits complexes ayant des propri\'et\'es topologiques typiques. Parmi cellesci, les structures de communaut\'es sont particuli`erement \'etudi\'ees. De nombreuses m\'ethodes permettent de les d\'etecter, y compris dans des r\'eseaux contenant des attributs nodaux, des liens orient\'es ou \'evoluant dans le temps. La d\'etection prend la forme d'une partition de l'ensemble des noeuds, qu'il faut ensuite caract\'eriser relativement au syst`eme mod\'elis\'e. Nous travaillons sur l'assistance `a cette t^ache de caract\'erisation. Nous proposons une repr\'esentation des r\'eseaux sous la forme de s\'equences de descripteurs de noeuds, qui combinent les informations temporelles, les mesures topologiques, et les valeurs des attributs nodaux. Les communaut\'es sont caract\'eris\'ees au moyen des motifs s\'equentiels \'emergents les plus repr\'esentatifs issus de leurs noeuds. Ceci permet notamment la d\'etection de comportements inhabituels au sein d'une communaut\'e. Nous d\'ecrivons une \'etude empirique sur un r\'eseau de collaboration scientifique.

User Edit Pencil Streamline Icon: https://streamlinehq.com
Authors (4)
  1. Günce Keziban Orman (10 papers)
  2. Vincent Labatut (67 papers)
  3. Marc Plantevit (12 papers)
  4. Jean-François Boulicaut (5 papers)
Citations (2)

Summary

We haven't generated a summary for this paper yet.