Résumé:
La prédiction des liens, dont l’objectif est de comprendre en profondeur la structure des réseaux, est l’un
des sujets de recherche les plus en vogue dans le domaine de l’analyse des réseaux sociaux.
L’objectif de ce travail est de proposer une approche qui facilite la prédiction des liens, manquants ou
futurs dans un réseau, basée sur une approche issue du domaine de l’apprentissage automatique. La
solution que nous proposons dans ce mémoire se base, dans un premier temps, sur l’extraction des
caractéristiques des nœuds et des liens et les combine, par la suite avec les caractéristiques de la structure
du graphe afin de générer à la fin des caractéristiques optimales qui seront utilisés pour prédire les liens
manquants ou futurs.
Les résultats de cette approche, dont les performances ont été comparées avec d’autres algorithmes de
prédiction de liens, ont été testés sur différents types de réseaux.
Mots clés : prédiction de lien, apprentissage automatique, liens manquants/futurs, extraction des
caractéristiques, caractéristiques optimales. The prediction of links, which aims to deeply understand the structure of networks, is one of the most
popular research topics in the field of social network analysis.
The goal of this work is to propose an approach that facilitates the prediction of missing or future links in
a network, based on an approach from the field of machine learning. The solution that we propose in this
memory is based, initially, on the extraction of the characteristics of the nodes and the links and combines
them, with the characteristics of the structure of the graph in order to generate at the end of characteristics
which will be used to predict missing or future links.
The results of this approach, whose performance has been compared with other link prediction
algorithms, have been tested on different types of networks.
Key words: link prediction, machine learning, missing / future links, feature extraction, optimal
characteristics.
