Une nouvelle soutenance de thèse au LIB le 6 juin avec Hiba Abou Jamra

Hiba Abou Jamra soutient sa thèse thèse intitulée « Détection et interprétation des signaux faibles dans les Réseaux Sociaux Numériques« . Elle aura lieu le mardi 6 juin à 14h dans l’amphithéâtre Alexis Steinbrunn (ESIREM).

 Composition du Jury :

Rapporteurs :

M. Djamal BENSLIMANE

Professeur, Université Lyon 1 Claude Bernard

M. Abdelkader HAMEURLAIN

Professeur émérite, Université Toulouse 3 Paul Sabatier

Examinateurs :

M. Pierre-Emmanuel ARDUIN

Maître de conférences, Université Paris-Dauphine

Mme. Isabelle COMYN-WATTIAU

Professeur, ESSEC

Co-directeur de thèse :

M. Eric LECLERCQ

Professeur, Université de Bourgogne
Directeur de thèse :

Mme. Marinette SAVONNET

Maître de conférences HDR, Université de Bourgogne

Résumé:

Les Réseaux Sociaux Numériques sont devenus des outils importants en raison de leur capacité à transmettre l’information plus rapidement que les médias traditionnels, dans différents domaines tels que la politique, le marketing, l’alimentation et, la santé, etc. Les organisations actuelles gérant des environnements complexes utilisent les réseaux sociaux comme un canal de communication afin de pouvoir interagir avec leurs clients et répondre aux besoins du marché. Un signal faible est une information peu visible, rare mais qui se diffuse rapidement, et dont l’interprétation par les experts métier peut déclencher une alerte. Dans ces environnements, l’identification des signaux faibles permet d’anticiper les discontinuités, de répondre aux menaces ou de saisir des opportunités. Dans cette thèse, nous proposons une nouvelle approche (BEAM) qui s’appuie sur la topologie d’un graphe d’interactions temporelles, pour la détection et l’interprétation des signaux faibles.

Nous avons choisi les graphlets comme outil opératoire pour donner une signature au signal faible. En effet, les graphlets répondent aux caractéristiques des signaux faibles : ce sont de petits patterns (fragments d’un graphe), qui pris seuls sont peu visibles, rares et de faible utilité apparente. Afin d’aider les experts métier dans leur prise de décision, nous proposons aussi des éléments contextuels d’interprétation des signaux faibles détectés. Nous avons réalisé des expérimentations sur sept jeux de données issus de plusieurs Réseaux Sociaux Numériques, afin de valider, vérifier la robustesse de BEAM et la reproduction des résultats avec des données périodiques. Les graphlets peuvent être considérés comme une signature d’un signal faible. Ils permettent à la fois d’automatiser la tâche de détection des signaux faibles tout en laissant place à l’interprétation par des experts métier.
Voir les articles