Réseaux sociaux comme
  support d'outils de
   recommandation

Analyse de réseaux socio-
sémantiques
Cécile Bothorel Dépar...
Sommaire


         
             Web, recherche d'information, web social,
             naviguerrance, filtrage et popul...
Du browsing au
subscribing, une affaire de
filtrage et de popularité
Types d'accès à l'information =
             « browsing » et « searching »

   Browsing
    • Navigation, de page html en...
Types d'accès à l'information : « wilfing »

                                                      What was I Looking For?...
Accès à l'information
                                                                     1 trillion de liens

     Touj...
Filtrage et popularité


                                                         • 1998 PageRank de
                     ...
Filtrage et popularité




page 8   Département LUSSI   Cécile Bothorel
Vers un filtrage plus fin


                                               
                                             ...
Analyse de réseaux socio-
sémantiques et
recommandation
Analyser un réseau




page 11   Département LUSSI   Cécile Bothorel
Graphes réels


      
          Graphes réels, grands graphes terrain, complex
          networks
      
          Prop...
Détection de communautés

                                                         
                                     ...
Détection de communautés


                                                  
                                           ...
Détection de communautés
      horreur               DiCaprio



                                                        ...
Réseaux sociaux et similarité
       Méthodes globales
        • Longeur des plus courts
          chemins
        • Katz...
Réseaux sociaux et confiance


                                                                     
                    ...
Modélisation Réseaux et contenus et ...




page 18   Département LUSSI   Cécile Bothorel
Conclusion

    Analyse de réseaux
     • Détection de communautés, calcul de similarité, propagation de
       confiance...
Merci




page 20   Département LUSSI   Cécile Bothorel
Prochain SlideShare
Chargement dans…5
×

Cecile Bothorel 2010 La Cantine Réseaux Sociaux pour la recommandation

2 140 vues

Publié le

Analysis of social network to support recommendation systems

0 commentaire
3 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
2 140
Sur SlideShare
0
Issues des intégrations
0
Intégrations
113
Actions
Partages
0
Téléchargements
64
Commentaires
0
J’aime
3
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Cecile Bothorel 2010 La Cantine Réseaux Sociaux pour la recommandation

  1. 1. Réseaux sociaux comme support d'outils de recommandation Analyse de réseaux socio- sémantiques Cécile Bothorel Département LUSSI
  2. 2. Sommaire  Web, recherche d'information, web social, naviguerrance, filtrage et popularité  Vers un accès synthétique et personnalisé • Analyse de réseaux socio-sémantiques page 2 Département LUSSI Cécile Bothorel
  3. 3. Du browsing au subscribing, une affaire de filtrage et de popularité
  4. 4. Types d'accès à l'information = « browsing » et « searching »  Browsing • Navigation, de page html en page html • Le fil conducteur, mon propre intérêt  Searching • Requête + navigation • Matching entre des termes et des contenus • L'algorithmique du moteur de recherche devient le prescripteur • Pertinence page 4 Département LUSSI Cécile Bothorel
  5. 5. Types d'accès à l'information : « wilfing » What was I Looking For?  Partage  Souscription • web 2.0 + médias sociaux + RSS • Navigation sans but, trouvailles surprenantes, sérendipité • Internautes producteurs • Choix de ses internautes « prescripteurs » page 5 Département LUSSI Cécile Bothorel
  6. 6. Accès à l'information 1 trillion de liens  Toujours plus internet, 27 milliards de d'infobésité pages web indexées • De liens hypertextes 75 millions de comptes Twitter dont 15 millions • De contenus actifs • De prescripteurs Plus d'1 milliard de potentiels vidéos visionnées par jour sur YouTube 4 milliards de photos sur FlickR  Tout est question de 15 millions de français sur FaceBook filtrage et de 2 millions de profils recommandation consultés sur Viadéo  … et de popularité http://www.slideshare.net/jmlouche/mdias-sociaux-les-chiffres-retenir page 6 Département LUSSI Cécile Bothorel
  7. 7. Filtrage et popularité • 1998 PageRank de Google : mesure de pertinence dans l’ordonnancement des réponses aux requêtes http://complexnetworks.fr/ page 7 Département LUSSI Cécile Bothorel
  8. 8. Filtrage et popularité page 8 Département LUSSI Cécile Bothorel
  9. 9. Vers un filtrage plus fin  Challenger le principle de pareto : 20% des contenus génèrent 80% des ventes page 9 Département LUSSI Cécile Bothorel
  10. 10. Analyse de réseaux socio- sémantiques et recommandation
  11. 11. Analyser un réseau page 11 Département LUSSI Cécile Bothorel
  12. 12. Graphes réels  Graphes réels, grands graphes terrain, complex networks  Propriétés structurelles communes • faible densité en arcs, • en moyenne des chemins courts (effet petit monde), • existence de zones denses en arcs, • incidence des sommets en loi de puissance.  Structure de graphe rare d’un point de vue probabiliste → un domaine de recherche jeune →puise ses concepts dans l'analyse de réseaux sociaux page 12 Département LUSSI Cécile Bothorel
  13. 13. Détection de communautés  La délimitation en groupes n'est pas un a priori • On ne cherche pas qui appartient à une famille, communauté ethnique ... • Mettre en évidence une catégorie émergente, basée sur l'analyse de la topologie Karate Club in an American University [Zachary 1977] page 13 Département LUSSI Cécile Bothorel
  14. 14. Détection de communautés  Quatre types d’approches (thèse P. Pons, 2007) • Classiques • Séparatives • Agglomératives • Marches aléatoires P. Pons, 2007 Trouver la partition P = {C1, . . . , Ck} qui optimise la fonction de qualité Q(P) page 14 Département LUSSI Cécile Bothorel
  15. 15. Détection de communautés horreur DiCaprio  Quatre types d’approches (thèse P. Pons, 2007) • Classiques • Séparatives 6 25 • Agglomératives • Marches aléatoires 15  Calcul de positions clés locales à une 31 communauté • Centralité, PageRank, Hits • Elements « frontières » • Etiquetage des groupes par les thématiques P. Pons, 2007 saillantes (textmining, folksonomy mining) Trouver la partition P = {C1, . . . , Ck} qui optimise la fonction de qualité Q(P) page 15 Département LUSSI Cécile Bothorel
  16. 16. Réseaux sociaux et similarité  Méthodes globales • Longeur des plus courts chemins • Katz • Hits, PageRank • SimRank tagging co-tagging  Méthodes locales • Nombre de voisins communs • Coefficient de Jaccard • Adamic/Adar Measure page 16 Département LUSSI Cécile Bothorel
  17. 17. Réseaux sociaux et confiance  Comprendre, modéliser le réseau de confiance/opinions • TrustRank (lutte anti spam) : mesure gloabale • TidalTrust : mesure locale • Propagation de confiance Networks, Crowds, and Markets: Reasoning About a Highly Connected World By David Easley and Jon Kleinberg, à paraître en 2010 page 17 Département LUSSI Cécile Bothorel
  18. 18. Modélisation Réseaux et contenus et ... page 18 Département LUSSI Cécile Bothorel
  19. 19. Conclusion  Analyse de réseaux • Détection de communautés, calcul de similarité, propagation de confiance  Modélisation des échanges sur les médias sociaux • Vers des réseaux socio-sémantiques  Compréhension des usages • Cartographie des échanges • Visualisation  Réseaux égo-centrés • Prédiction de liens • Recommendation de contenus, popularité locale • Visualisation/exploration de un point de vue page 19 Département LUSSI Cécile Bothorel
  20. 20. Merci page 20 Département LUSSI Cécile Bothorel

×