• Financement : Autre
  • Thèse soutenue le :
  • 13 déc. 2024

Thèse en co-tutelle avec l’université de Monastir, Tunisie

Dans cette thèse nous nous intéressons au développement de méthodes et d’algorithmes de clustering pour la détection de communautés disjointes et leur exploitation pour la propagation d’influence. Plus particulièrement, nous proposons de nouvelles mesures de similarité et étudions leur impact sur la détection des communautés du point en termes de complexité. Le second travail de cette thèse est l’analyse de l’impact de la qualité des communautés sur la propagation de l’influence dans les réseaux sociaux. En partant des communautés détectées, notre but est de déterminer dans quelle mesure la qualité de ces communautés affecte la propagation de l’information sous les mêmes critères de sélection des diffuseurs initiaux et le même modèle de diffusion adopté. Le dernier travail de la thèse consiste à étudier les approches hybrides de résolution du problème de clustering conceptuel et leurs impact sur la détection de communautés. Plus précisément, nous avons défini de nouveaux motifs appelés itemsets disjonctifs capables d’aider à obtenir des clusters plus pertinents.. Des encodages SAT sont proposés pour l’énumération de ces motifs en utilisant la logique propositionnelle. Enfin, des expérimentations sur un large panel de graphes ainsi que sur diverses données transactionnelles ont été menées pour valider nos approches et montrer l’efficacité de nos modèles.

Composition du jury

  • M. Said JABBOUR Université d’Artois Directeur de thèse
  • M. Mohamed GRAIET Université de Monastir Co-directeur de thèse
  • M. Nicolas TRAVERS ESILV École d’ingénieurs, Paris Rapporteur
  • M. Lotfi BEN ROMDHANE Université de Sousse Rapporteur
  • Mme Yue MA Université Paris-Saclay Examinatrice
  • M. Wady NAANAA Université de Tunis El Manar Examinateur
  • M. Badran RADDAOUI Institut Polytechnique de Paris Invité
  • M. Mourad KMIMECH Université Panthéon-Assas Invité
  • M. Lakhdar SAÏS Université d’Artois Invité