1) Karima Mouhoubi, Lucas Létocart and Celine Rouveirol. Une approche heuristique hybride pour l’extraction de  motifs ensemblistes dans des contextes bruités

Résumé : Récemment, plusieurs algorithmes ont été proposés pour résoudre le problème de recherche de motifs ensemblistes dans des contextes bruités. Cependant, ces algorithmes souffrent de diverses limites telles que le grand nombre de résultats, le temps d’exécution important et l’incapacité d’extraire les motifs se recouvrant. Nous proposons dans ce travail une nouvelle approche heuristique basée sur les algorithmes de graphes pour repousser ces limites.

2) Guillaume Artignan and Mountaz Hascoët. Analyse Visuelle d'algorithmes de Clustering : Une méthodologie et un cas d'étude

Résumé : Le clustering est très utilisé pour traiter des données de grande taille. Le choix d'un algorithme de clustering adapté est un véritable dilemme, causé par la multitude d'algorithmes proposés. Les mesures de qualités proposées ont pour fonction de nous aider dans ce choix, cependant beaucoup de critères ont été proposés évaluant certains aspects et en oubliant d'autres. Nous proposons dans ce papier d'aider à la compréhension des résultats d'algorithmes et à la comparaison et le choix de ceux-ci. Nous étudions à la fois les algorithmes de clustering et les critères d'évaluation. Nous mesurons non seulement la qualité des différents algorithmes mais aussi l'impact des résultats sur les critères ainsi que le lien entre chaque critère. Nous espérons ainsi clarifier le domaine et faciliter le choix d'un non-expert.

3) The Anh Dang and Emmanuel Viennet. Community Detection based on Structural and Attribute Similarities

Résumé : La recherche de communautés est importante pour de nombreux problèmes d’analyse des réseaux sociaux. Une communauté est définie comme un ensemble de noeuds qui interagissent d’avantage entre eux qu’avec le reste du réseau. La connaissance de ces communautés peut faciliter de nombreuses tâches telles que la recommandation d’amis, la visualisation, etc. Dans les réseaux réels, en plus de la structure topologique (i.e, liens), les attributs des noeuds sont souvent disponible. Les méthodes existantes de détection de communautés sont généralement basées sur la structure du graphe et ne prennent pas en compte les attributs des noeuds. Dans cet article, nous proposons deux algorithmes qui intègrent la structure et les attributs du graphe pour extraire les communautés. Ils détectent des communautés telles que les noeuds dans la même communauté soient densément connectés et portent des attributs proches. Les résultats démontrent que nos méthodes donnent des communautés significatives que nous comparons à celles trouvées par les méthodes de l’etat de l’art.

4) Keziban Orman, Vincent Labatut and Hocine Cherifi. Relation entre transitivité et structure de communauté dans les réseaux complexes

Résumé : Dans les réseaux complexes, les relations entre la structure de communauté et d’autres propriétés topologiques n’a pas encore été analysée clairement. Dans cette étude préliminaire, nous explorons expérimentalement le lien potentiel entre transitivité et structure de communauté. Sur des réseaux générés artificiellement, nous étudions l’évolution de la transitivité en fonction de la qualité de la structure communautaire. Puis nous observons l’évolution de la structure de communauté sur des réseaux dont nous contrôlons la transitivité. Les résultats obtenus suggèrent qu’il existe une relation entre transitivité élevée

et structure de communauté. Un travail analytique complémentaire est nécessaire pour identifier la nature exacte de cette relation.

5) Alice Albano. Phénomènes de diffusion dans les réseaux dynamiques : simulation et modélisation

Résumé : Spreading phenomena are present in many contexts : virus spreading, computer virus, spreading of information in social networks, etc. In most cases, these phenomena occur in dynamic networks. This dynamic will be very important for the study of spreading. The aim of my work is to offer spreading models, and to study the effect of network dynamics on spreading.

6) Romain Guigourès, Marc Boullé and Fabrice Rossi. Segmentation géographique par étude d’un journal d’appels téléphoniques

Résumé : Dans cet article, il est question de segmentation géographique par l’étude d’un journal d’appels aggrégés par ville. Au lieu de réaliser directement un clustering de noeuds, nous proposons ici de faire du coclustering sur les arcs, définis comme des instances bidimensionnelles décrites par deux variables : le noeud source et le noeud cible. Une fois la segmentation optimale obtenue, les clusters sont fusionnés successivement de manière à détériorer le moins possible le modèle de clustering. Des expérimentations ont été menées sur un journal d’appel de l’opérateur de télécommunications Belge Mobistar.

7) Dalia Sulieman, Maria Malek, Hubert Kadima and Dominique Laurent. Towards Semantic Social recommendation algorithm

Résumé : Everyday a huge amount of information is produced. This information (news, articles, movies, web pages) is not necessairly relevant for all the people and it could cause an information overload. So it is necessary to face this problem by designing recommender systems to filter this information. In this paper, propose novel approach to recommender systms, called semantic-social recommeder system, that combines semantics analysis and social network analysis methods. We apply our method in a commercial framework by designing a semantic-social algorithm for recommending products to customers. Our algorithm was tested on a dataset from Amazon.com, and our results show that our approach improves on recommendation time and quality.