|
|
|
Thèse:
Méthodes et modèles pour la visualisation de grandes masses de données multidimensionnelles nominatives dynamiques
|
Date | 2012-03-21 10:30-12:30 |
Titre | Méthodes et modèles pour la visualisation de grandes masses de données multidimensionnelles nominatives dynamiques |
Résumé | La visualisation d'informations est un domaine qui connait un réel intérêt depuis une dizaine d'année. Dernièrement, avec l'explosion des moyens de communication, l'analyse de réseaux sociaux fait l'objet de nombreux travaux de recherches. Nous présentons dans cette thèse des travaux sur l'analyse de réseaux sociaux dynamiques, c'est à dire que nous prenons en compte l'aspect temporel des données. Nous nous sommes particulièrement intéressé à la mise en évidence des communautés dans les réseaux et à leurs évolutions dans le temps. Nous présentons également un algorithme permettant de construire une hiérarchie d'influence qui identifie le rôle occupé par les individus au sein du réseau.
Le second axe de recherche abordé dans cette thèse traite de l'obstacle que représente la diversité des formats de stockage de données. Cette diversité complique grandement l'import de données dans les systèmes de visualisation par des utilisateurs novices. Nous proposons dans cette thèse deux méthodes permettant de manipuler des données dans le but de produire des visualisations de type n½ud-lien. Une basée sur le construction d'une taxonomie des dimensions des données, l'autre sur la mise en évidence de domaines d'entités. Ces méthodes mettent l'accent sur les interactions avec l'utilisateur, afin de tirer profit de ses connaissances sur les données. |
Lieu | Amphi C Bat A29 |
Laboratoire | LaBRI |
Doctorant | Frédéric GILBERT |
Directeur de thèse | Maylis DELEST et David AUBER |
Thème de recherche | Analyse de données, Génération de graphes, Analyse de réseaux sociaux dynamiques |
Langue | Français |
Aucun document lié à cet événement. RetourRetour à l'index
| |