Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Algorithme de Louvain
Méthode heuristique de détection de communautés basée sur l'optimisation itérative de la modularité, utilisant une approche multi-niveaux pour identifier des structures communautaires hiérarchiques dans les grands graphes.
Algorithme de Girvan-Newman
Méthode de détection de communautés hiérarchique qui identifie progressivement les communautés en supprimant les arêtes avec la plus haute centralité d'intermédiarité, révélant ainsi la structure intrinsèque du graphe.
Détection de communautés chevauchantes
Approche de partitionnement autorisant les nœuds à appartenir simultanément à plusieurs communautés, mieux adaptée aux réseaux sociaux où les entités peuvent avoir des affiliations multiples.
Méthode de partitionnement spectral
Technique algébrique utilisant les valeurs et vecteurs propres du laplacien du graphe pour projeter les nœuds dans un espace de faible dimension où le clustering devient plus discriminant.
Algorithme de Leiden
Amélioration de l'algorithme de Louvain garantissant des communautés bien connectées et offrant une convergence plus rapide tout en préservant la qualité de la détection de communautés.
Graphe pondéré
Structure de données où chaque arête possède une valeur numérique représentant l'intensité ou la fréquence des interactions entre nœuds, influençant directement les algorithmes de détection de communautés.
Métrique de conductance
Indicateur de qualité d'une communauté mesurant le rapport entre le nombre d'arêtes sortantes et le volume total de la communauté, avec des valeurs faibles indiquant des communautés bien isolées.
Clustering hiérarchique de graphes
Approche de détection construisant une hiérarchie de communautés par fusion successive (agglomérative) ou division progressive (divisive) pour révéler des structures multi-échelles dans le réseau.
Infomap
Algorithme basé sur la théorie de l'information qui identifie des communautés en minimisant la longueur de description des chemins aléatoires sur le graphe, interprétant les communautés comme des modules compressant l'information.
Walktrap
Méthode de détection exploitant les similarités entre les marches aléatoires courtes partant de chaque nœud, regroupant les nœuds ayant des comportements de marche similaires dans les mêmes communautés.
Détection de communautés dynamiques
Ensemble de techniques conçues pour identifier et suivre l'évolution des communautés dans des graphes temporels, capturant les phénomènes de formation, dissolution et fusion de groupes au fil du temps.
Algorithme de K-means sur graphes
Adaptation du clustering K-means aux structures de graphe en utilisant des métriques de distance basées sur les plus courts chemins ou les embeddings de nœuds pour partitionner le réseau.
Méthode de label propagation
Algorithme semi-supervisé où chaque nœud adopte l'étiquette majoritaire de ses voisins, convergeant rapidement vers des communautés sans nécessiter de paramètres complexes ni d'optimisation itérative coûteuse.
Algorithme de Kernighan-Lin
Heuristique de partitionnement binaire optimisant le nombre d'arêtes inter-communautaires par échanges successifs de paires de nœuds entre les deux partitions pour minimiser la coupe.
Dendrogramme de communauté
Représentation arborescente des relations hiérarchiques entre communautés, visualisant comment les groupes fusionnent ou se divisent à différents niveaux de résolution du partitionnement.
Détection de communautés multi-échelles
Paradigme d'analyse identifiant simultanément des structures communautaires à différentes résolutions, reconnaissant que les réseaux sociaux présentent souvent une organisation hiérarchique complexe.
Algorithme de BigCLAM
Méthode de détection de communautés chevauchantes basée sur un modèle génératif où chaque communauté est représentée par un vecteur dans un espace latent, optimisant la vraisemblance des affiliations des nœuds.