Résumé

Les algorithmes classiques de détection de communautés dans les réseaux sociaux utilisent l’information structurelle pour détecter des groupes, i.e la topologie du graphe de relations. Toutefois, ils ne prennent en compte aucune information externe qui peut guider le processus et aider à la réalisation des analyses du réseau selon différentes perspectives. La méthode proposée utilise de façon conjointe, l’information sémantique du réseau social, repré- sentée par des points de vue, et son information structurelle. Elle permet la combinaison entre les relations sociales explicites, les arêtes du graphe social, et les relations implicites, dites sémantiques, correspondant par exemple à des intérêts ou des usages similaires.

Abstract

Classic algorithms for community detection in social networks use the structural in- formation to identify groups in social networks, i.e., how clusters are formed according to the topology of the relationships. However, these methods do not take into account any semantic in- formation which could guide the clustering process, and which may add elements to do further analyses. The method we propose, uses in a conjoint way, the semantic information from the social network, represented by the points of view, and its structural information. This informa- tion integrates the relationships, expressed by the edges on one hand, and the implicit relations deduced from the semantic information on the other hand.