{"id":48526,"date":"2020-11-05T08:29:03","date_gmt":"2020-11-05T07:29:03","guid":{"rendered":"https:\/\/www.ubfc.fr\/?p=48526"},"modified":"2020-11-05T08:52:03","modified_gmt":"2020-11-05T07:52:03","slug":"la-science-et-ses-reseaux","status":"publish","type":"post","link":"https:\/\/ubfc-preprod.u-bourgogne.fr\/en\/la-science-et-ses-reseaux\/","title":{"rendered":"La science et ses r\u00e9seaux"},"content":{"rendered":"\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Internet et ses r\u00e9seaux sociaux, les r\u00e9seaux de transports, de t\u00e9l\u00e9communication, les r\u00e9seaux fluviaux, les r\u00e9seaux neuronaux ou sanguins\u2026 Les r\u00e9seaux sont partout\u00a0: ils nous entourent et nous constituent.<\/strong><\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t
\"Extraction du \"backbone\" d'un r\u00e9seau\", Zakaria Ghalmane<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Les r\u00e9seaux peuvent \u00eatre utilis\u00e9s pour repr\u00e9senter et \u00e9tudier des syst\u00e8mes complexes (syst\u00e8mes constitu\u00e9s de nombreuses entit\u00e9s en interaction). Les \u00e9tudes men\u00e9es sur les r\u00e9seaux complexes ont mis en \u00e9vidence des caract\u00e9ristiques communes telles que le comportement sans \u00e9chelle de la distribution des degr\u00e9s 1<\/sup>, la propri\u00e9t\u00e9 du\u00a0petit monde 2<\/sup> et la structure communautaire 3<\/sup>.<\/p>

La taille croissante des r\u00e9seaux du monde r\u00e9el rend leur compr\u00e9hension (structure et caract\u00e9ristiques) plus difficile. La conception de m\u00e9thodes permettant la r\u00e9duction de la taille des r\u00e9seaux tout en conservant les informations qu\u2019ils contiennent devient alors indispensable.<\/p>

L\u2019extraction de la \u00ab\u00a0colonne vert\u00e9brale\u00a0\u00bb (backbone<\/em>) d\u2019un r\u00e9seau, c\u2019est-\u00e0-dire l\u2019extraction des constituants les plus pertinents du r\u00e9seau d\u00e9lest\u00e9 des informations redondantes, est une solution commun\u00e9ment utilis\u00e9e pour r\u00e9pondre \u00e0 ce besoin. Les m\u00e9thodes existantes pour se faire peuvent \u00eatre class\u00e9es en deux cat\u00e9gories\u00a0: les m\u00e9thodes \u00e0 gros grains (regroupement de n\u0153uds partageant certaines caract\u00e9ristiques communes) et les m\u00e9thodes bas\u00e9es sur le filtrage (r\u00e9duction du r\u00e9seau par suppression de n\u0153uds et de liens sur la base de propri\u00e9t\u00e9s d\u00e9finies comme \u00e9tant \u00e0 pr\u00e9server).<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

1<\/sup> Un r\u00e9seau sans \u00e9chelle est un r\u00e9seau dont la probabilit\u00e9 qu’un n\u0153ud s\u00e9lectionn\u00e9 au hasard dans le r\u00e9seau ait un certain nombre de liens (degr\u00e9) suit une distribution appel\u00e9e loi de puissance ;
<\/span>2<\/sup> Caract\u00e9ristique d\u2019une population au sein de laquelle deux individus s\u00e9lectionn\u00e9s au hasard sont reli\u00e9s par une courte chaine d\u2019interm\u00e9diaires ;
<\/span>3<\/sup> Dans un r\u00e9seau, pr\u00e9sence de groupes de n\u0153uds dans un r\u00e9seau qui sont fortement interconnect\u00e9s et faiblement connect\u00e9s avec le reste du r\u00e9seau. A savoir que les communaut\u00e9s peuvent se chevaucher.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Le Pr Hocine Cherifi, du Laboratoire d\u2019Information de Bourgogne (LIB \u2013 EA 7534), et ses collaborateurs proposent deux m\u00e9thodes de filtrage reposant sur l\u2019exploitation de la structure communautaire du r\u00e9seau.<\/strong><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

La structure communautaire est une caract\u00e9ristique fr\u00e9quemment observ\u00e9e dans les r\u00e9seaux complexes. De mani\u00e8re g\u00e9n\u00e9rale, dans les r\u00e9seaux du monde r\u00e9el, les n\u0153uds sont naturellement organis\u00e9s en communaut\u00e9s. M\u00eame s\u2019il n\u2019existe pas de d\u00e9finition unique de la structure communautaire, elle est g\u00e9n\u00e9ralement caract\u00e9ris\u00e9e comme la pr\u00e9sence de groupes de n\u0153uds fortement interconnect\u00e9s entres eux et faiblement connect\u00e9s avec les n\u0153uds appartenant \u00e0 d\u2019autres communaut\u00e9s.<\/p>

Les communaut\u00e9s peuvent se chevaucher. En effet, un n\u0153ud peut appartenir \u00e0 plusieurs communaut\u00e9s\u00a0: il s\u2019agit alors de \u00ab\u00a0n\u0153ud partag\u00e9 entre plusieurs communaut\u00e9s\u00a0\u00bb (overlapping node<\/em>). Ces derniers, ainsi que les n\u0153uds fortement connect\u00e9s (appel\u00e9s \u00ab\u00a0hubs<\/em>\u00a0\u00bb), influencent la structure et la dynamique des r\u00e9seaux.<\/p>

Les deux m\u00e9thodes propos\u00e9es par le Pr Hocine Cherifi et ses collaborateurs reposent sur les n\u0153uds fortement connect\u00e9s (hubs)<\/em> et les n\u0153uds partag\u00e9s entre plusieurs communaut\u00e9s (overlapping nodes<\/em>).<\/p>

La premi\u00e8re m\u00e9thode consiste \u00e0 ne conserver dans un r\u00e9seau que les n\u0153uds partag\u00e9s entre au moins deux communaut\u00e9s et les hubs. Apr\u00e8s la mise en \u00e9vidence de la structure communautaire d\u2019un r\u00e9seau, les overlapping nodes<\/em> et les hubs<\/em>, ainsi que les liens existants entre ces n\u0153uds, sont extraits par ordre d\u2019importance pour former le backbone<\/em>. La seconde m\u00e9thode, consiste \u00e0 ne conserver que les n\u0153uds appartenant \u00e0 plusieurs communaut\u00e9s ainsi que leurs plus proches voisins, chacun extrait par ordre d\u2019importance. Cette m\u00e9thode repose sur une caract\u00e9ristique fr\u00e9quemment observ\u00e9e dans les r\u00e9seaux du monde r\u00e9el\u00a0: la majorit\u00e9 des hubs<\/em> et des n\u0153uds appartenant \u00e0 plusieurs communaut\u00e9s sont voisins.<\/p>

Si la majorit\u00e9 des m\u00e9thodes de filtrage alternatives reposent essentiellement sur les propri\u00e9t\u00e9s des liens entre les n\u0153uds et ne tiennent pas compte de la structure communautaire du r\u00e9seau, les deux m\u00e9thodes propos\u00e9es par le Pr Hocine Cherifi et ses collaborateurs utilisent elles la structure communautaire pour l\u2019extraction des n\u0153uds et les liens importants du r\u00e9seau.<\/p>

Ces deux m\u00e9thodes ont \u00e9t\u00e9 test\u00e9es sur des r\u00e9seaux pond\u00e9r\u00e9s du monde r\u00e9el, de taille variable et issus de divers domaines tels que les domaines sociaux, biologiques ou encore technologiques. Les r\u00e9sultats obtenus montrent que ces deux m\u00e9thodes pr\u00e9sentent une efficacit\u00e9 similaire (les colonnes vert\u00e9brales extraites des r\u00e9seaux par les deux m\u00e9thodes sont quasiment identiques).<\/p>

La performance de ces deux m\u00e9thodes a \u00e9t\u00e9 compar\u00e9e \u00e0 celle du filtre de disparit\u00e9 de Serrano, consid\u00e9r\u00e9e comme \u00e9tant la plus robuste des m\u00e9thodes d\u2019extraction. Les r\u00e9sultats obtenus montrent que la performance de cette derni\u00e8re est moindre par rapport \u00e0 celles propos\u00e9es par le Pr Hocine Cherifi et ses collaborateurs.<\/p>

—-<\/p>

Les travaux men\u00e9s par le Pr Hocine Cherifi et ses collaborateurs s\u2019inscrivent dans le cadre du projet ANR COREGRAPHIE (CO<\/strong>mpRE<\/strong>ssing networks and GRAPH<\/strong>s for efficIE<\/strong>nt computing<\/em>) d\u00e9velopp\u00e9 en partenariat avec les laboratoires IRIF<\/a> (UMR 8243 : CNRS, Universit\u00e9 de Paris)<\/span>, LIRIS<\/a> (UMR 5205 : CNRS, INSA Lyon, Universit\u00e9 Claude Bernard Lyon 1, Universit\u00e9 Lumi\u00e8re Lyon 2, Ecole Centrale de Lyon)<\/span> et l\u2019INRIA.<\/a><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

L\u2019\u00e9tude d\u00e9crite ci-dessus a fait l\u2019objet d\u2019une publication dans la revue Scientific Reports (du groupe Nature Publishing Group<\/em>)\u00a0: elle occupe le rang 24 au niveau mondial.<\/strong><\/p>

Pour la lire dans son int\u00e9gralit\u00e9, cliquez ici<\/a>.<\/p>

\u00a0<\/p>

R\u00e9f\u00e9rence :<\/strong>
Ghalmane, Z., Cherifi, C., Cherifi, H. et al. Extracting backbones in weighted modular complex networks. Sci Rep 10, 15539 (2020). https:\/\/doi.org\/10.1038\/s41598-020-71876-0<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"

Internet et ses r\u00e9seaux sociaux, les r\u00e9seaux de transports, de t\u00e9l\u00e9communication, les r\u00e9seaux fluviaux, les r\u00e9seaux neuronaux ou sanguins\u2026 Les r\u00e9seaux sont partout\u00a0: ils nous entourent et nous constituent. “Extraction du “backbone” d’un r\u00e9seau”, Zakaria Ghalmane Les r\u00e9seaux peuvent \u00eatre utilis\u00e9s pour repr\u00e9senter et \u00e9tudier des syst\u00e8mes complexes (syst\u00e8mes constitu\u00e9s de nombreuses entit\u00e9s en interaction). … Continued<\/a><\/p>\n","protected":false},"author":18,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[2049,14],"class_list":["post-48526","post","type-post","status-publish","format-standard","hentry","category-recherche","category-ubfc"],"acf":[],"_links":{"self":[{"href":"https:\/\/ubfc-preprod.u-bourgogne.fr\/en\/wp-json\/wp\/v2\/posts\/48526","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ubfc-preprod.u-bourgogne.fr\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ubfc-preprod.u-bourgogne.fr\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ubfc-preprod.u-bourgogne.fr\/en\/wp-json\/wp\/v2\/users\/18"}],"replies":[{"embeddable":true,"href":"https:\/\/ubfc-preprod.u-bourgogne.fr\/en\/wp-json\/wp\/v2\/comments?post=48526"}],"version-history":[{"count":21,"href":"https:\/\/ubfc-preprod.u-bourgogne.fr\/en\/wp-json\/wp\/v2\/posts\/48526\/revisions"}],"predecessor-version":[{"id":48655,"href":"https:\/\/ubfc-preprod.u-bourgogne.fr\/en\/wp-json\/wp\/v2\/posts\/48526\/revisions\/48655"}],"wp:attachment":[{"href":"https:\/\/ubfc-preprod.u-bourgogne.fr\/en\/wp-json\/wp\/v2\/media?parent=48526"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ubfc-preprod.u-bourgogne.fr\/en\/wp-json\/wp\/v2\/categories?post=48526"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}