Analysis of social network to support recommendation systems

1. Réseaux sociaux comme
support d'outils de
recommandation
Analyse de réseaux socio-
sémantiques
Cécile Bothorel Département LUSSI

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. Du browsing au
subscribing, une affaire de
filtrage et de popularité

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. 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. 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. 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. Filtrage et popularité
page 8 Département LUSSI Cécile Bothorel

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. Analyse de réseaux socio-
sémantiques et
recommandation

11. Analyser un réseau
page 11 Département LUSSI Cécile Bothorel

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. 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. 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. 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. 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. 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. Modélisation Réseaux et contenus et ...
page 18 Département LUSSI Cécile Bothorel

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. Merci
page 20 Département LUSSI Cécile Bothorel