Prédiction de Motifs Relationnels par Décomposition Tensorielle dans les Réseaux Sociaux

Sheng Gao 1 Ludovic Denoyer 1 Patrick Gallinari 1
1 MALIRE - Machine Learning and Information Retrieval
LIP6 - Laboratoire d'Informatique de Paris 6
Résumé : Beaucoup de données réelles peuvent être représentées sous la forme de collections d’objets liés par différents types de relations. Les réseaux sociaux par exemple correspondent à un ensemble d’éléments - des utilisateurs, des données textuelles, des images ... - connectés par des relations de différentes natures comme les relations d’amitiés, de similarités, ou bien des relations géographiques. Cependant, si certaines de ces relations sont explicites dans le réseau social, comme la relation d’amitié par exemple, certaines peuvent être implicites ou incomplètes. Nous nous intéressons ici à la prédiction automatique de relations entre deux individus d’un réseau social. Nous proposons une formalisation de cette problématique sous forme d’un problème de décomposition de tenseur de dimension 3 et proposons une méthode à base de gradient conjugué pour le résoudre. Nous expérimentons cette méthode sur un corpus issu du jeux de données Enron et montrons l’intéret de la modélisation tensorielle des réseaux sociaux pour la prédiction de relations.
Document type :
Conference papers
Complete list of metadatas

https://hal.archives-ouvertes.fr/hal-01288799
Contributor : Lip6 Publications <>
Submitted on : Tuesday, March 15, 2016 - 4:12:04 PM
Last modification on : Thursday, March 21, 2019 - 2:42:01 PM

Identifiers

  • HAL Id : hal-01288799, version 1

Citation

Sheng Gao, Ludovic Denoyer, Patrick Gallinari. Prédiction de Motifs Relationnels par Décomposition Tensorielle dans les Réseaux Sociaux. Workshop Reiso 2010, May 2010, Marseille, France. pp.51-58. ⟨hal-01288799⟩

Share

Metrics

Record views

48