Analyse des r´ eseaux sociaux : une introduction
Analyse de graphes de terrain
Rushed Kanawati
LIPN, CNRS UMR 7030 Universit´e Paris 13 http://lipn.fr/∼kanawati rushed.kanawati@lipn.univ-paris13.fr
October 24, 2016
Objectifs & organisation du cours
Objectifs : Pr´ esentation des techniques d’´ etude et d’analyse de grands r´ eseaux complexes.
Fouille et analyse des r´ eseaux d’interactions.
10 s´ eances : Cours + TP Outils :
Python http://www.python.org/
R https://www.r-project.org/
igraph http://igraph.wikidot.com Gephi http://gephi.org
Tulip http://tulip.labri.fr/TulipDrupal/
Th` emes abord´ ees
Graphes de terrains Mod` eles, caract´ eristiques & probl` emes d’analyse.
Caract´ eristiques topologiques de nœuds Pr´ esentation des diff´ erentes mesures de tri de nœuds.
D´ etection de communaut´ es D´ efinitions, probl´ ematique, fonctions de qualit´ e, classification des approches & applications.
Analyse de r´ eseaux dynamiques Probl´ ematiques & Application, Pr´ evision de liens,
Mod` eles d’influence et de de diffusion
Analyse des r´ eseaux Multiplexes
Graphes de terrain
Graphes de terrains
1
D´ efinitions & notations
2
Caract´ erisation & exemples
3
Mod` eles
4
Probl´ ematiques d’analyse
Graphes de terrain
Graphes de terrain : r´ eseau de collaborations scientifiques
Un r´eseau social est un ensemble d’acteurs reli´e par des liens/interactions sociales
Graphes de terrain
Graphe de terrain : R´ eseau social ?
Graphes de terrain
Notations
Un graphe G =< V , E ⊆ V × V > : V est l’ensemble de nœudes (i.e. acteurs) E est l’ensemble de liens.
Notations :
A
Gest la matrice d’adjacence de G : a
ij6= 0 si les nœuds (v
i, v
j) ∈ E , 0 sinon.
n = |V | m = |E |
Γ(v) est l’ensemble de voisins de v . Γ(v) = {x ∈ V : (x , v ) ∈ E }.
Le degr´ e d’un nœud d(v ) =k Γ(v) k
Graphes de terrain
Propri´ et´ es de base
Chemin v
i, v
j: liste de liens ` a traverser pour aller de v
i` a v
j. Distance v
i, v
j: la longueur de plus court chemin reliant V
i` a v
j. Connexit´ e : Un graphe est connexe si il existe un chemin entre n’importe quel pair de nœuds.
Diam` etre d’un graphe : la plus grande distance entre des nœuds du graphe.
Densit´ e du graphe : Probabilit´ e d’existence de tous liens :
n×(n−1)2×mGraphes de terrain
R´ eseaux cibles : Exemples
R´ eseaux bibliographiques : publications, citation [11, 12]
R´ eseaux sociologiques : Interaction sur forums/blogs [6, 10], communication [14], site de rencontres [4], terroriste
R´ eseaux ´ ethologiques : Comportement des Z` ebres
R´ eseaux biologiques : Interactions entre prot´ eines, M´ etabolique, Interactions entre des g` enes.
R´ eseaux technologiques : Internat, Web
...
Graphes de terrain
R´ eseaux cibles
Graphes de terrain
R´ eseaux cibles
source : Graphe de transactions durant un mois sur un site de musique en-ligne
Graphes de terrain
R´ eseaux cibles : caract´ eristiques
Grande Taille : |V | > 10
3.
Faible degr´ e de s´ eparation : la moyenne des distances g´ eod´ esiques entre chaque couple de nœuds est logarithmique en fonction de k V k Sans ´ echelle : majorit´ e de nœuds ayant peu de connexions mais un nombre substantiel de nœuds ont beaucoup de connexions.
La probabilit´e pour un nœudv∈Vd’avoirkvoisins est :P(k) =k−γ
Coefficient de clustering elev´ e : la probabilit´ e que deux voisins d’un nœud choisis al´ eatoirement soient eux-mˆ emes connect´ es est assez grande.
cc(G) =X v∈V
2|E∩(Γ(v)×Γ(v))|
d(v)×(d(v)−1)
Graphes de terrain
Le mythe de six degr´ es de s´ eparation
Satnley Milgram (1933-1984)
Exp´ erience de Milgram (1967)
Choisir une personne cible (courtier ` a Boston).
Demander ` a des groupes de personnes choisies al´ etoirement (de Boston, de Nebraska, des actionnaires au Nebraska) de lui envoyer une lettre ` a travers des personnes susceptibles de le connaˆıtre.
217 lettres sont envoy´ ees ; 64 sont arriv´ ees (succ` es : 0.29)
La longueur moyenne d’un chemin est de 5.2 interm´ ediaires.
Exp´ erience similaire mais au niveau mondial et en utilisant le courrier ´ electronique
24 000 participants de 166 pays : 384 e-mail arriv´ es ` a destination (succ` es 1.6 %)
Longueur moyenne des chemins : 5.
Graphes de terrain
Autre exemple: Le nombre d’Erd¨ os
Paul Erd¨os (1913-1996)
Paul Erd¨ os est un math´ ematicien qui a publi´ e plus de 1500 articles !
On mesure l’importance d’un chercheur (en math´ ematique) par la distance qui le s´ epare d’Erd¨ os dans le graphe de collaborations Site Web : www.oakland.edu/enp
Degr´ e de s´ eparation entre chercheurs 2-Erd¨ os
est de 5 !
Graphes de terrain
Quelques graphes de terrain
Graphe Nœuds Liens Jeu de donn´ees
Internet Routeurs Liaisons de donn´ees http://www.isi.edu/div7/scan/mercator/maps.html.
Web Pages Hyperliens http://snap.stanford.edu/data/web-NotreDame.html Acteurs Acteurs Mˆeme film http://www.imdb.com/.
Co-publication Auteurs Co-signature http://arxiv.org/.
Co-occurrence Mots Mˆeme phrase http://www.tniv.info/bible/
Prot´eines Prot´eines Influence http://www.nd.edu/ networks
Graphes de terrain
Quelques graphes de terrain
Graph |V | |E | densit´ e d γ cc
Internet 75885 357317 1.2e-4 5.80 2.5 0.171
Web 325729 1090108 2.1e-5 7 2.3 0.466
Acteurs 392340 15038083 1.9e-4 3.6 2.2 0.785
Co-publication 16401 29552 2.2e-4 7.18 2.4 0.638
Co-occurrence 9297 392066 9.1e-3 2.13 1.8 0.822
Prot´ eines 2113 2203 9.9e-4 6.74 2.4 0.153
Graphes de terrain Mod`eles de r´eseaux petit-monde
Mod` eles de r´ eseaux petit-monde
Approches d’´ echantillonnage : ´ echantillonner des liens ` a partir d’un graphe complet
Erd¨ os-Renyi Molloy et Reed
Approches g´ en´ eratives : r` egles d’´ evolution de r´ eseau Mod` ele de l’anneau
Mod` ele de l’attachement pr´ ef´ erentiel
Le mod` ele HOT
Graphes de terrain Mod`eles de r´eseaux petit-monde
Erd¨ os-R´ enyi
Alfr´ed R´enyi (1921-1970)
Principe : pour mod´ eliser un graphe compos´ e de n nœuds et m liens, on choisit al´ eatoirement m liens, avec une probabilit´ e p parmi
l’ensemble de liens possibles (
n(n−1)2)
Le mod` ele g´ en` ere des r´ eseaux ` a faible degr´ e de s´ eparation
Les graphes g´ en´ er´ es ne sont pas sans ´ echelle
Coefficient de clustering = p
Graphes de terrain Mod`eles de r´eseaux petit-monde
Mod` ele de Molley et Reed
Id´ ee : forcer l’obtention d’une loi de puissance pour la distribution des degr´ es.
G´ en´ eration de graphes sans ´ echelle et ` a faible degr´ e de s´ eparation.
Coefficient de clustering cc → 0
Graphes de terrain Mod`eles de r´eseaux petit-monde
Mod` ele de l’anneau
Les nœuds sont plac´ es sur un anneau virtuel o` u chaque nœud est connect´ e aux k nœuds les plus proches.
On reconnecte chaque arˆ ete avec une probabilit´ e p ` a un nœud choisi
al´ eatoirement.
Graphes de terrain Mod`eles de r´eseaux petit-monde
L’attachement pr´ eferentiel
Les nœuds sont ajout´ es un ` a un.
La probabilit´ e de relier un nouveau nœud ` a un nœud existant d´ epend du degr´ e du nœud.
Principe : enrichir les riches !
Corr´ elation entre le degr´ e d’un nœud et son ˆ age.
Correction : probabilit´ e d’un lien en fonction du degr´ e des nœuds partenaires et d’une estimation d’utilit´ e.
Les graphes obtenus sont sans ´ echelle mais cc → 0
Graphes de terrain Mod`eles de r´eseaux petit-monde
Le mod` ele Hot
HOT : Highly Optimized Tolerance
Placer al´ eatoirement les nœuds sur une grille.
Les nœuds sont ajout´ es un ` a un.
Dans le graphe G , un nouveau nœud n est connect´ e ` a un nœud existant a de sorte ` a :
Minimiser α(k G k)d
G(a, n) Maximiser c
p(a) =
P 1u∈Vd(a,u)
α < constant : le graphe est une ´ etoile.
α > p
( k G k) : la distribution de degr´ es est exponentielle.
constant < α < p
( k G k) : Graphe sans ´ echelle.
Mˆ eme probl` eme : cc → 0
Graphes de terrain Mod`eles de r´eseaux petit-monde
Mod` ele de graphes bipartis
Beaucoup de r´ eseaux r´ eels sont des graphes bipartis (ex.
bibliographique, achats, etc.)
Graphe biparti: G = (>, ⊥, E ⊆ > × ⊥). >, ⊥ sont deux ensembles distincts.
Projections :
G
>n= (V
>⊆ >, E
>= {x , y ∈ > : |Γ
G(x ) ∩ Γ
G(y )| ≥ n}
G
⊥m= (V
⊥⊆ ⊥, E
⊥= {x, y ∈ ⊥ : |Γ
G(x) ∩ Γ
G(y)| ≥ m}
n, m : param` etres des projections.
La projection augmente artificiellement le coefficient de clustering du
graphe projet´ e !!
Graphes de terrain Mod`eles de r´eseaux petit-monde
Mod` ele de graphes bipartis
Utiliser deux lois de puissance d´ efinies pour deux ensembles de nœuds.
Les graphes obtenus sont sans ´ echelle, ` a faible degr´ e de s´ eparation,
avec un coefficient de clustering proche des cas r´ eels.
Graphes de terrain Mod`eles de r´eseaux petit-monde
Mod` eles petit-monde : bilan
Mod`ele Faible s´eparation Sans ´echelle Clustering
Erd¨os-Renyi OUI NON NON
Molley et Reed OUI OUI NON
Anneau OUI NON OUI
Attachement pr´ef´erentiel OUI OUI NON
HOT OUI OUI NON
Biparti OUI OUI OUI
Graphes de terrain Probl´ematique
Probl´ ematique de l’´ etude des r´ eseaux sociaux
Extraction et mod´ elisation de r´ eseaux.
Support syt` eme : r´ eseaux distribu´ es, protection de vie priv´ ee, interop´ erabilit´ e.
Navigation et recherche dans les r´ eseaux sociaux Visualisation des r´ eseaux
Fouille de r´ eseaux (Analyse de r´ eseaux sociaux : SNA)
Analyse de r´eseaux sociaux
Analyse de r´ eseaux sociaux : les tˆ aches
Analyse de r´eseaux sociaux Analyse orient´e nœud
Tˆ aches orient´ es nœuds
But : caract´ eriser le rˆ ole et/ou la position d’un nœud dans le r´ eseau.
Trier les nœuds selon leurs caract´ eristiques.
Inf´ erer l’importance d’un acteur dans un r´ eseau :
PageRank employ´ e par Google pour trier les r´ esultats renvoy´ es par le moteur de recherche.
Marketing Viral,
Evaluation des chercheurs !!
D´ etection des nœuds faibles (ou ponts) dans un r´ esesau (virus informatiques, terrorisme, etc.)
Les mˆ emes tˆ aches peuvent ˆ etre d´ efinies pour les liens.
Analyse de r´eseaux sociaux Analyse orient´e nœud
Tˆ aches orient´ ees communaut´ es
Communaut´ e : sous-graphe ` a forte densit´ e locale.
Deux principales tˆ aches :
Recherche de communaut´ es : partitionnement d’un r´ eseau en communaut´ es
Identification de communaut´ e : d´ etection de la communaut´ e d’un nœud donn´ e.
Approches similaires ` a la classification de donn´ ees.
Analyse de r´eseaux sociaux Analyse orient´e nœud
Tˆ aches orient´ ees structure
D´ ecouvrir les lois de l’´ evolution du r´ eseau.
Probl` eme phare : pr´ ediction de liens.
Soit G =< G
1, G
2, . . . , G
T> un r´ eseau temporel de r´ eseaux sociaux, G
iest le graphe du r´ eseau ` a l’instant i.
La tˆ ache de pr´ ediction de liens consiste ` a pr´ edire G
T+1` a partir de G . Autres probl` emes :
D´ etection de liens cach´ es Compl´ etion de liens
D´ etection de liens alarmants (anormaux)
Analyse de r´eseaux sociaux Caract´erisation des nœuds
Carat´ erisation des nœuds
Notion de Centralit´ e : de degr´ es.
de proximit´ e.
d’interm´ ediarit´ e.
de vecteur.
HITS : identifier des autorit´ es et des hubs.
PageRank : prestige d’un nœud.
Analyse de r´eseaux sociaux Caract´erisation des nœuds
Centralit´ e de degr´ e
Un nœud ayant beaucoup de liens est consid´ er´ e comme important.
Un acteur central est l’acteur le plus actif de point de vue de communication,
C
d(v ) =
maxk(Γ(v)ku∈VkΓ(u)k
Analyse de r´eseaux sociaux Caract´erisation des nœuds
Centralit´ e de proximit´ e
Le nœud qui communique le plus facilement avec les autres nœuds est important.
Centralit´ e de proximit´ e : c
p(v) =
P 1u∈Vd(v,u)
Analyse de r´eseaux sociaux Caract´erisation des nœuds
Centralit´ e d’interm´ ediarit´ e
Le nœud qui rapproche le plus les autres nœuds est important.
Nombre de chemins g´ eod´ esiques qui passent par v.
ch
g(x, y) : les nœuds qui se situent sur le plus court chemin reliant x
` a y .
C
i(v) =
kch(x,y)kx,y∈V,v∈ch(x,y) kch(x,y)x,y∈VkAnalyse de r´eseaux sociaux Caract´erisation des nœuds
Centralit´ e de vecteur
La centralit´ e d’un nœud d´ epend des centralit´ es de ses voisins.
C (v) =
λ1P
A
i,jC (x
j) : AX = λX .
Analyse de r´eseaux sociaux Caract´erisation des nœuds
HITS
HITS : Hyperlink Induced Topic Search
Indicateurs propos´ es pour implanter un moteur de recherche sur le Web (Clever d’IBM).
Web : graphe dirig´ e
Deux types de pages (i.e. nœuds) :
Autorit´ e : meilleures sources d’information sur un th´ eme.
Hub : page fournissant des liens vers des autorit´ es de qualit´ e sur un th` eme.
Une autorit´ e de qualit´ e est cit´ ee par de nombreux hubs de qualit´ e.
Un bon hub pointe vers beaucoup d’autorit´ es de qualit´ e.
Analyse de r´eseaux sociaux Caract´erisation des nœuds
HITS : l’algorithme
Soit G un graphe connexe, z le vecteur unit´ e de <
nx
0← z
y
0← z
R´ ep´ eter jusqu’` a convergence ou au max k fois :
x
i<p>= P
∀q:q→p
y
i−1<p>y
i<p>= P
∀q:p→q
x
i−1<q>Analyse de r´eseaux sociaux Caract´erisation des nœuds
PageRank
1998, par Sergey Brin & Larry Page.
Tri statique des pages Web.
Le web est trait´ e comme ´ etant un graphe dirig´ e(V,E).
La mesure associ´ ee ` a une page i est :
P (i) = X
(j,i)∈E
P (j) O
jo` u O
jest le nombre de liens sortant de la page j On pose P le vecteur contenant les valeurs de tri :
P = (P (1), P (2), .., P (n))
TAnalyse de r´eseaux sociaux Caract´erisation des nœuds
Calcul de PageRank
s ← vecteur al´ eatoire.
r ← A
T× s
Tant que k r − s k< faire : s ← r
r ← A
T× s
Analyse de r´eseaux sociaux Analyse de communaut´es
Prvision de liens : d´ efinition
D´ efinition informelle : pr´ edire la formation d’un lien entre deux nœuds jamais connect´ es auparavant.
Soit G =< G
1, G
2, . . . , G
T> un r´ eseau temporel de r´ eseaux sociaux,
G
iest le graphe du r´ eseau social ` a l’instant i. La tˆ ache de pr´ ediction
de liens consiste ` a pr´ edire pour chaque couple v, u ∈ T
TV
itels que
Analyse de r´eseaux sociaux Analyse de communaut´es
Application : syst` eme de recommandation
Recommandation de produits = pr´ ediction de liens dans le graphe biparti [5, 8, 1].
L’analyse des r´ eseaux sociaux est une solution au probl` eme pos´ e par
les matrices de transactions souvent creuses.
Analyse de r´eseaux sociaux Analyse de communaut´es
Application : recommandation de collaborations acad´ emiques
Recommandation de collaboration = pr´ ediction de liens dans le
Analyse de r´eseaux sociaux Analyse de communaut´es
Autres applications
Aide ` a la navigation sur le Web
Aide ` a la r´ eponse des questions sur forums, help-desk Etude de propagation des virus informatiques par e-mail.
. . .
Analyse de r´eseaux sociaux Probl`emes similaires
Probl` eme similaire : liens cach´ es (1)
Etant donn´ e un r´ eseau G
t=< V , E > observ´ e ` a l’instant t, la tˆ ache de d´ etection de liens cach´ es consiste ` a trouver les liens manquants
`
a l’instant t.
Origine : information manquante, dissimulation d’information.
Analyse de r´eseaux sociaux Probl`emes similaires
Probl` eme similaire : liens cach´ es (2)
[2] : Comparer les caract´ eristiques topologiques des nœuds impliqu´ es en liens cach´ es (LC) / liens en formation (LF).
M´ ethodologie : ´ eliminer al´ eatoirement des liens dans un r´ eseau temporel de r´ eseaux sociaux.
Pour LC, le nombre de voisins communs est deux fois plus grand que pour LF.
Pour LC, le produit des degr´ es des nœuds impliqu´ es est deux fois plus petit que pour LF.
LC : distribution des degr´ es des nœuds plus ´ etal´ ee.
Pas de diff´ erence significative en ce qui concne les distances !
Analyse de r´eseaux sociaux Probl`emes similaires
Probl` eme similaire: compl´ etion de liens
Dans un graphe G =< V , E >, on consid` ere un nœud v ∈ V dont on connaˆıt le degr´ e r´ eel d (v ) > d
G(v ). Le probl` eme consiste ` a trouver les nœuds u
i∈ V auxquels v est susceptible d’ˆ etre li´ e [3].
Exemple : Un client ach` ete 4 livres sur un site de e-commerce mais le nom d’un des livres achet´ es est perdu dans la transaction. Quel est ce livre ?
Alice, Bob et une troisi` eme personne ont fait une r´ eunion. Identifier cette personne inconnue en fonction des liens connus.
Dans [3], on se limite ` a examiner le cas d’un seul nœud inconnu.
Analyse de r´eseaux sociaux Probl`emes similaires
Probl` eme similaire : liens alarmants
Etant donn´ e un r´ eseau temporel G =< G
1, G
2, . . . , G
T>, le probl` eme
est de classifier les nouveaux liens qui apparaissent dans G
Ten deux
classes : {normal, anormal}, en fonction de l’´ evolution du r´ eseau
Probl` eme plus facile que la pr´ ediction de liens.
Analyse de r´eseaux sociaux Probl`emes similaires
Probl` eme similaire : ´ evolution des r´ eseaux
D´ efinition de trois niveaux de granularit´ e pour observer et/ou pr´ edire l’´ evolution d’un r´ eseau.
Niveau r´ eseau
Leskovec et al. , ´ evolution des param` etres des r´ eseaux: diam` etre d´ ecroissant et densification des degr´ es dans des r´ eseaux de co-citations.
Barabasi et al. , r´ eseaux de co-auteurs, domaine des maths et des neurosciences. Evolution gouvern´ ee par l’attachement pr´ ef´ erentiel (lien internes et externes), augmentation du degr´ e moyen et d´ ecroissance de la s´ eparation entre les nœuds.
Niveau communaut´ e : ´ evolution des communaut´ es par taille et des
communaut´ es de th` emes
Analyse de r´eseaux sociaux Probl`emes similaires
Approches de pr´ ediction de liens
Trois crit` eres de classification :
Approche : Dyadiques / Structurelles.
Dyadique : Evaluer le score d’un lien entre deux nœuds v
i, v
jStructurelle : pr´ edire l’´ evolution de sous-graphes (pr´ ediction de plusieurs liens en mˆ eme temps) [7]
Type d’attributs : topologiques / caract´ eristiques des nœuds.
Approche topologique : utiliser seulement le graphe du r´ eseau.
L’emploi des approches fond´ ees sur l’analyse du contenu des nœuds n´ ecessite une expertise dans le domaine de l’application.
Prise en compte du temps : Oui / non.
Analyse de r´eseaux sociaux Probl`emes similaires
Bibliographie I
Nesserine Benchettara, Rushed Kanawati, and C´eline Rouveirol.
Calcul de recommandation par pr´ediction de liens dans un graphe biparti.
InActes de l’ateiler sur l’apprentissage et graphes pour les syst`emes complexes (plate-forme AFIA 2009), Hammemt, Tunisie, May 2009.
Richard J E Cooke.
Link prediction and link detection in sequences of large social networks using temporal and local metrics.
Master thesis, University of cape Town, 2006.
A Goldenberg, J Kubica, P Komarek, A Moore, and J Schneider.
A comparaison of statistical and Machine learning Algorithms on the task of linl completion.
InProceedings of the KDD workshop on link analysis for detecting complex Behavior, 2003.
Petter Holme, Christofer R Edling, and Fredrik Liljeros.
Structure and Time-Evolution of an Internet Dating Community,.
Social Networks, 26:155–174, 2004.
Zan Huang, Xin Li, and Hsinchun Chen.
Link prediction approach to collaborative filtering.
In Mary Marlino, Tamara Sumner, and Frank M Shipman III, editors,JCDL, pages 141–142. ACM, 2005.
Analyse de r´eseaux sociaux Probl`emes similaires
Bibliographie II
Rushed Kanawati.
On Using{SNA}techniques for enhancing performances of On-line help-desks.
InProceedings of{IADIS}International Conference on E-commerce (E-commerce’08), pages 286–291, Amsterdam, 2008.
Mayank Lahiri and Tanya Y Berger-Wolf.
Structure Prediction in Temporal Networks using Frequent Subgraphs.
InCIDM, pages 35–42. IEEE, 2007.
Neal Lathia, Stephen Hailes, and Licia Capra.
kNN CF: a temporal social network.
In Pearl Pu, Derek G Bridge, Bamshad Mobasher, and Francesco Ricci, editors,RecSys, pages 227–234. ACM, 2008.
David Liben-Nowell.
An Algorithmic Approach to Social networks.
PhD thesis, M.I.T., 2005.
Tsuyoshi Murata and Sakiko Moriyasu.
Link Prediction based on Structural Properties of On-line Social Networks.
New Generation Computing, 26:245–257, 2008.
Analyse de r´eseaux sociaux Probl`emes similaires
Bibliographie III
M E J Newman.
Scientific collaboration networks. II. Shortest paths, weighted networks, and centrality.
Phys. Rev. E, 64(1):16132, 2001.
M E J Newman.
Coauthorship networks and patterns of scientific collaboration.
Proceedings of the National Academy of Science of the United States (PNAS), 101:5200–5205, 2004.
Milen Pavlov and Ryutaro Ichise.
Finding Experts by Link Prediction in Co-authorship Networks.
In Anna V Zhdanova, Lyndon J B Nixon, Malgorzata Mochol, and John G Breslin, editors,FEWS, volume 290 ofCEUR Workshop Proceedings, pages 42–55. CEUR-WS.org, 2007.
Mukund Seshadri, Sridhar Machiraju, Ashwin Sridharan, Jean Bolot, Christos Faloutsos, and Jure Leskovec.
Mobile call graphs: beyond power-law and lognormal distributions.
In Ying Li, Bing Liu, and Sunita Sarawagi, editors,KDD, pages 596–604. ACM, 2008.