IC05 cours 2

IC 05 / semestre printemps 2008

IC 05 / semestre printemps 2008

Franck.ghitallaDépartement TSH

Président de WebAtlas

Franck.ghitalla@gmail.com

IC 05 / semestre printemps 2008

Agrégats et loi de puissance

(information geography)

1) Principes théoriques

2) La « physis » des objets web

3) Expérimentations (Web Information Systems, S.I.W.)

IC 05 / semestre printemps 2008

1) Principes théoriques

IC 05 / semestre printemps 2008

Clustering Degree = HighDistance Degree = Low

Principe de clustering + distribution des Weak Ties (bridging, shortcuts) issue de la tradition des Random Graphs

1) Principes théoriques

Nécessité de prendre en compte

a) Évolution du nombre de nœuds/liens b) Leur nombre « infini » (web)c) La distribution inégale du nombre de liens entre les nœuds (power-law)d) Le comportement des nouveaux nœuds entrants dans le système

(attachement préférentiel)e) Les phénomènes dynamiques de circulation de l’information SUR le réseau

IC 05 / semestre printemps 2008

Loi de puissance (power-law)

20% des nœuds (sites/pages) reçoivent ou attirent 80% des liens (connectivité hypertextuelle) (et inversement)

Structure hiérarchique forte des nœuds dominants qui assurent au web son unité et garantissent la circulation entre nœuds secondaires

En haut – distribution de la connectivité a) en random graph b) en power-law

(Barabasi).A droite – distribution de la connectivité

« entrante » sur les principaux sites francophones consacrés à la CSTI –

Mathieu Jacomy, 2005.

1) Principes théoriques

IC 05 / semestre printemps 2008

1) Principes théoriques

Modèle d’évolution temporel – modèle prédictif (« the rich get richer ») / network dynamics over time

Preferential attachment / « links between nodes don’t come into existence entirely independently of one another » (D.Watts, Six Degrees, p.108)

Clearly, the standard model of random graphs proposed by Erdos and Rényi has some serious problems, not just because it fails to predict the clustering that we discussed earlier, but also just because it cannot explain why barabasi and Albert found the degree distribution they did (i.e.scale free networks) » (D.Watts, Six Degrees, p.109).

IC 05 / semestre printemps 2008

1) Principes théoriques

Distribution de la connectivité hypertexte entre sites « pour le non » au référendum sur la Constitution Européenne en 2005. Exploration dynamique du corpus via une application Flash – Antonin Rhomer, RTGI.

IC 05 / semestre printemps 2008

2) La « physis » des objets-web

IC 05 / semestre printemps 2008

-a) propriétés : diamètre, densité

-b) « cœur » et hiérarchisation

-c) clusters et composition

- d) évolution temporelles : structure et mutation (preferential attachment, transitions phases, tipping point), flux et propagation (modèles de diffusion, acteurs-relai, détection de signal faible et anticipation...)

2) La « physis » des objets relationnels

Extraire et analyser des donnéesProduire et comprendre des formes (patterns)

IC 05 / semestre printemps 2008

2) La « physis » des objets relationnels

Diamètreinvariance d’échelle (scale-free network)

Chemin moyen entre chaque paire de nœuds

Graphe orienté ou non-orienté (prise en compte du sens des liens)

Expérience de Barabasi et al. en 1998Un premier graphe comprenant 1000 sites web avait un diamètre voisin de 8. Quel diamètre pour 10.000 et 100.000 nœuds? 80 ou 800? 11 seulement.

Densité : nob liens réels / nb liens possibles

IC 05 / semestre printemps 2008

2) La « physis » des objets relationnels

Hubs et Authorities (les cœurs)

Tous les nœuds d’un graphe peuvent se décrire en fonction de leurs scores de HUB (nombre de liens sortants) et d’AUTHORITY (nombre de liens entrants).

HUBS (nœuds qui diffusent beaucoup de liens)AUTHORITIES (nœuds qui reçoivent beaucoup de liens)

Hubs et Authorities ont tendance à se renforcer mutuellement

Ils forment le « cœur » des agrégats de documents web

IC 05 / semestre printemps 2008

2) La « physis » des objets relationnels

Clusters et composition interne

Analyse en clusters à partir de la distribution des liens dans le corpus, des similarités de contenus (mots-clef) et/ou de la concentration de certains acteurs identifiés

IC 05 / semestre printemps 2008

2) La « physis » des objets relationnels

The Achilles’heel of the Internet

Attachement préférentiel

Chaque nouveau entrant de le système aura tendance à se relier directement aux Hubs et aux Authorités

Temporellement, Hubs et authorities renforcent leur pouvoir

Le « talon d’Achille » du web

IC 05 / semestre printemps 2008

3) Expérimentations et Systèmes d’Information Web

IC 05 / semestre printemps 2008

Extraction des données (crawling

system)

Bases et process de traitementIndexation

CalculsStructure de graphe

…

Agora, un crawler de forum

IC 05 / semestre printemps 2008

3) Expérimentations (S.I.W.)

IC 05 / semestre printemps 2008

IC 05 / semestre printemps 2008

Franck.ghitallaDépartement TSH

Président de WebAtlas

Franck.ghitalla@gmail.com