• Aucun résultat trouvé

Ph´enom`enes de diffusion sur les grands r´eseaux : mesure et analyse pour la mod´elisation

N/A
N/A
Protected

Academic year: 2022

Partager "Ph´enom`enes de diffusion sur les grands r´eseaux : mesure et analyse pour la mod´elisation"

Copied!
1
0
0

Texte intégral

(1)

Ph´ enom` enes de diffusion sur les grands r´ eseaux : mesure et analyse pour la mod´ elisation

Matthieu Latapy, B´en´edicte Le Grand, Jean-Loup Guillaume stages@complexnetworks.fr

http://complexnetworks.fr LIP6 – CNRS et UPMC – Paris

463 participants

03 weeks, 02 days, 13 h, 00 mn and 00 s

La propagation des ´epid´emies, des rumeurs, des virus informatiques, ou la diffusion d’une information sont des exemples types de ph´enom`enes de diffusion. De par leur importance, ces ph´enom`enes sont au cœur d’une intense activit´e de recherche.

Il est toutefois extrˆemement difficile d’avoir une information pr´ecise surcommentdes processus de diffusion r´eels se passent : il faut connaˆıtre le r´eseau entre les acteurs, les changements d’´etats et leurs causes, tout ceci au cours du temps et `a une ´echelle suffisament grande pour permettre l’analyse. Aujourd’hui, les donn´ees de ce type sont extrˆemement rares, et souvent tr`es partielles et biais´ees.

Par cons´equent, `a quelques exceptions1 pr`es, la plupart des travaux concernant les ph´enom`enes de diffusion reposent sur des mod`eles, qui eux-mˆemes reposent sur des intuitions simples (par exemple l’id´ee selon laquelle une personne infect´ee aurait une certaine probabilit´e de contaminer ses contacts).

L’´equipeComplex Networks du LIP6 est impliqu´ee depuis plusieurs ann´ees dans la collecte de donn´ees riches et `a large ´echelle, dont certaines permettent d’ouvrir des perspectives extrˆemement prometteuses pour l’analyse de ph´enom`enes de diffusion r´eels, et donc leur mod´elisation.

Le stage propos´e ici vise `a utiliser ces donn´ees pour obtenir, pour la premi`ere fois, des obser- vations quantitatives sur des ph´enom`enes de diffusion r´eels. L’objectif central est de confronter ces mesures aux mod`eles existants et ainsi d’´evaluer la pertience des hypoth`eses sous-jacentes. On d´egagera ainsi de grands principes, confront´es `a la r´ealit´e, pour la mod´elisation des ph´enom`enes de diffusion.

1. Voir en particulierhttp://www.complexnetworks.fr/spreading-of-the-happy-flu-experiment/

Références

Documents relatifs

Pour revenir `a notre ´etude, `a partir de chaque mod`ele propos´e dans le paragraphe pr´ec´edent, nous pouvons rechercher les g`enes diff´erentiellement exprim´es entre les

Introduction.- En langage C, l’acc`es ` a un ´el´ement d’un tableau peut se faire classiquement par le nom du tableau accompagn´e d’un index, mais aussi par un pointeur

Perdre ses photos de vacances : ¸ca n’a pas de

PR ´ EPARATION DES DONN ´ EES Pour pouvoir manipuler ce fichier (et faire des statistiques dessus), il faut le stocker dans une variable de type un peu sp´ ecial qu’on

6. Une population limit´ ee La population de sardines d´epend aussi d’autres esp`eces en amont de la chaˆıne alimentaire qui vont limiter la taille de la population. L’ampleur

les chiffres utilis´es pour mod´eliser la taille des populations sont pour une certaine surface d’habitat (1 km 2 par exemple). Il possible d’avoir 0,9 requins sans pour autant

Il est toutefois extrˆemement difficile d’avoir une information pr´ecise sur comment des processus de diffusion r´ eels se passent : il faut connaˆıtre le r´eseau entre les

Puisque le temps d’ex´ ecution d’un algorithme sur une entr´ ee de taille constante est une constante, les r´ ecurrences sous-jacentes au calcul du temps d’ex´ ecution