Résumé:
Les grands réseaux d’interactions (appelés réseaux de terrains) issus de nombreuses disciplines
(sociologie, biologie, informatiques, etc.) peuvent être représentés par des graphes
dont les noeuds représentent les acteurs du phénomène et les liens représentent les interactions
entre eux. Ces réseaux exhibent une structure mésoscopique appelée structure
communautaire. Une communautés est vue comme un sous-graphe composé de noeuds
qui sont densément liés entre eux et faiblement liés aux autres noeuds du réseau. Les
réseaux de terrain sont par nature dynamiques. Donc, au fur et à mesure de l’évolution
des interactions dans le réseau, la structure communautaire par conséquent change.
Dans le cadre de ce travail, nous abordons un sujet qui est encore très peu abordé dans
la littérature scientifique, celui de l’analyse multi-échelle temporelle des structures communautaires.
Nous proposons un algorithme de détection de communautés dynamiques
baptisé DCMET (Détection de Communautés à Multiples Échelles Temporelles), qui se
base principalement sur l’analyse des réseaux d’interaction à plusieurs échelles temporelles.
Cet algorithme concentre principalement sur le principe de similarité et le clustering des
communautés, il permet de détecter les communautés stables sur différentes échelles temporelles.
Afin de valider notre proposition, nous avons effectué des expérimentations sur des réseaux
synthétiques et réels.
