Search

Your search keyword '"Cécile Bothorel"' showing total 82 results
Start Over Author "Cécile Bothorel"
82 results on '"Cécile Bothorel"'

37. Une plateforme de crowdfunding et son réseau social

Author

Laurent Brisson, Cécile Bothorel, Romain Billot, and Inna Lyubareva

Subjects
Economics and Econometrics, Strategy and Management, 0502 economics and business, 05 social sciences, 050211 marketing, Business and International Management, 050203 business & management
Abstract

L’analyse empirique de la plateforme de crowdfunding Ulule montre l’existence d’un réseau social transverse aux projets qui présente, à l’échelle de la plateforme, un effet catalyseur sur les campagnes de recherche de fonds. Les résultats mettent en évidence cinq sous-groupes de contributeurs au sein du réseau social de la plateforme–sponsors, suiveurs, précurseurs, spécialistes et spécialistes collaboratifs. Tandis qu’un impact positif global du réseau social sur le taux de succès des projets est mis en lumière, ce résultat est particulièrement significatif en présence de sous-groupes de contributeurs marqués par une spécialisation thématique et une dimension collaborative accrues

Published
2020

38. Dynamiques communautaires et chambres d’écho sur Youtube

Author

Inna Lyubareva, Julien Mesangeau, Cécile Bothorel, Laurent Brisson, Yannis Haralambous, Lyubareva, Inna, and Pluralisme de l'Information en Ligne - - PIL2017 - ANR-17-CE27-0010 - AAPG2017 - VALID

Subjects
[SHS] Humanities and Social Sciences, [INFO] Computer Science [cs]
Abstract

Dans le domaine de l’information en ligne, parmi les plateformes de réseaux sociaux, YouTube arrive en deuxième position derrière Facebook. Conçue au départ pour les contenus amateurs, Youtube accueille aujourd’hui de nombreux contenus professionnels, y compris des médias – producteurs de l’information. Pour ces derniers, il s’agit d’un outil stratégique important pour gagner de l’audience. Ainsi, la plupart des médias traditionnels, des pure players et des médias partisans ont désormais leurs propres chaînes. Ce phénomène de plateformisation s’accompagne de la formation de nouveaux espaces publics d’interaction, où les utilisateurs en viennent à occuper une position à cheval entre consommateurs et producteurs. Malgré la littérature croissante sur les échanges et la communication sur les réseaux sociaux numériques, rares sont les travaux qui offrent une lecture embrassant un large éventail de médias afin d’y analyser les caractéristiques du débat et les formes d’interaction. Dès lors que l’on prend les espaces francophones de commentaires des médias sociaux pour terrain, de tels travaux deviennent (quasi) inexistants. Nous présentons les résultats d’une étude inédite de 2 209 222 commentaires, publiés par 517 689 utilisateurs, répartis dans les espaces de commentaires de 46 090 vidéos. Ces dernières sont issues d’un panel de 59 chaînes Youtube de médias français. Nous suggérons que les interactions autour des vidéos sur les différentes chaînes peuvent contenir une partie « cachée » qui se concrétise par une formation de communautés, au niveau inter-chaînes et inter-vidéos, des utilisateurs de Youtube et qui sont susceptibles d’orienter les choix de l’information de ces utilisateurs et leurs opinions. La littérature utilise le concept de chambres d’écho pour désigner ces phénomènes. Elle met en avant le risque de leur prolifération en ligne, même si la validation empirique de ce risque reste sous-développée.Notre analyse fait appel à des méthodes originales, capables de croiser les outils d'analyse de grands graphes et l’analyse du discours, les méthodes quantitative et qualitative. Elle permet de détecter la présence de 5K communautés dynamiques qui évoluent à l’échelle inter-chaînes et inter-vidéos et d’identifier parmi elles les communautés répondant aux critères des chambres d’écho. Parmi ces communautés, les plus grandes regroupent à certains moments de leur cycle de vie jusqu’à 300 personnes et durent jusqu’à 8 semaines. Cette étude montre que les communautés émergent sur la plateforme et réunissent des internautes qui proviennent d'autres communautés. Ainsi, selon nos résultats, et contrairement à certains travaux existants, une chambre d'écho n'est pas seulement le prolongement de groupes partisans, ou politiques, existants : elle peut se former dans les espaces des commentaires au sein de la plateforme et couvrir un spectre thématique plus large que les sujets politiques.

Published
2022

40. How to Choose Community Detection Methods in Complex Networks: The Case Study of Ulule Crowdfunding Platform

Author

Cécile Bothorel, Laurent Brisson, Inna Lyubareva, Département Logique des Usages, Sciences sociales et Sciences de l'Information (IMT Atlantique - LUSSI), IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Equipe DECIDE (Lab-STICC_DECIDE), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), and Institut Mines-Télécom [Paris] (IMT)

Subjects
Online cooperation, Social Networks Analysis, Crowdfunding, [SHS.ECO]Humanities and Social Sciences/Economics and Finance, Complex Networks, Community Detection, [INFO.INFO-SI]Computer Science [cs]/Social and Information Networks [cs.SI], Choice of method, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract

ISBN 9788835124603; International audience; Discovering community structure in complex networks is a mature field since a tremendous number of community detection methods have been introduced in the literature. Nevertheless, it is still very challenging for practitioners to choose in each particular case the most suitable algorithm which would provide the richest insights into the structure of the social network they study. Through a case study of the French crowdfunding platform, Ulule, this paper demonstrates an original methodology for the selection of a relevant algorithm. For this purpose we, firstly, compare the partitions of 11 well-known algorithms. Then, bivariate map based on hub dominance and transitivity is used to identify the partitions which unveil communities with the most interesting size and internal topologies. These steps result in three community detection methods relevant for our data. Finally, we add the socioeconomic indicators, meaningful in the framework of the crowdfunding platform, in order to select the most significant algorithm of community detection, and to analyze the cooperation patterns among the platform's users and their impact on success of fundraising campaigns. In line with previous socioeconomic studies, we demonstrate that the social concept of homophily in online groups really matters. In addition, our approach puts in light that crowdfunding groups may benefit from diversity.

Published
2021

44. TemporalNode2vec: Task-agnostic and Task-specific Temporal Node Embedding

Author

Mounir HADDAD, Cécile BOTHOREL, Philippe LENCA, and Dominique BEDART

Abstract

The goal of graph embedding is to learn a representation of graphs vertices in a latent low-dimensional space in order to encode the structural information that lies in graphs. While real-world networks evolve over time, the majority of research focuses on static networks, ignoring local and global evolution patterns. A simplistic approach consists of learning nodes embeddings independently for each time step. This can cause unstable and inefficient representations over time. In this paper, we present TemporalNode2vec, a novel dynamic graph embedding approach that learns continuous time-aware node representations. Overall, we demonstrate that our method improves node classification tasks comparing to previous static and dynamic approaches as it achieves up to 14% gain regarding the F1 score metric. We also prove that our model is more data-efficient than several baseline methods, as it affords to achieve good performances with a limited number of node representation features. Moreover, we develop and evaluate a task-specific variant of our method called TsTemporalNode2vec, aiming to improve the performances and the data-efficiency of node classification tasks.

Published
2020

45. TemporalNode2vec: Temporal Node Embedding in Temporal Networks

Author

Cécile Bothorel, Philippe Lenca, Dominique Bedart, Mounir Haddad, Lab-STICC_IMTA_CID_DECIDE, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT), Département Logique des Usages, Sciences sociales et Sciences de l'Information (IMT Atlantique - LUSSI), IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), and DSI Global Services

Subjects
Dynamic network embeddings, Latent representations, Theoretical computer science, Graph embedding, Computer science, Node (networking), [INFO.INFO-DS]Computer Science [cs]/Data Structures and Algorithms [cs.DS], 02 engineering and technology, Space (commercial competition), Time step, ENCODE, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], 020204 information systems, 0202 electrical engineering, electronic engineering, information engineering, Embedding, Graph representation learn- ing, 020201 artificial intelligence & image processing, Global evolution, Representation (mathematics), ComputingMilieux_MISCELLANEOUS
Abstract

The goal of graph embedding is to learn a representation of graphs vertices in a latent low-dimensional space in order to encode the structural information that lies in graphs. While real-world networks evolve over time, the majority of research focuses on static networks, ignoring local and global evolution patterns. A simplistic approach consists of learning nodes embeddings independently for each time step. This can cause unstable and inefficient representations over time.

Published
2019

47. Crowdfunding platform and inter-project social network: example of Ulule

Author

Inna Lyubareva, Laurent Brisson, Cécile Bothorel, Romain Billot, Département Logique des Usages, Sciences sociales et Sciences de l'Information (IMT Atlantique - LUSSI), IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Laboratoire d'Economie et de Gestion de l'Ouest (LEGO), Institut Mines-Télécom [Paris] (IMT)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Brestois des Sciences de l'Homme et de la Société (IBSHS), Université de Brest (UBO)-Université de Brest (UBO)-Université de Bretagne Sud (UBS)-Université Bretagne Loire (UBL), Lab-STICC_IMTA_CID_DECIDE, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT), Institut Mines-Télécom [Paris] (IMT)-École Nationale d'Ingénieurs de Brest (ENIB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL)-Institut Mines-Télécom [Paris] (IMT)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), and Institut Mines-Télécom [Paris] (IMT)-École Nationale d'Ingénieurs de Brest (ENIB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL)

Subjects
[QFIN]Quantitative Finance [q-fin], [SHS.INFO]Humanities and Social Sciences/Library and information sciences, [INFO]Computer Science [cs], ComputingMilieux_MISCELLANEOUS, [INFO.INFO-SI]Computer Science [cs]/Social and Information Networks [cs.SI]
Abstract

International audience

Published
2019

48. Online platform and communities: empirical analysis of Ulule

Author

Inna Lyubareva, Laurent Brisson, Cécile Bothorel, Département Logique des Usages, Sciences sociales et Sciences de l'Information (IMT Atlantique - LUSSI), IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Laboratoire d'Economie et de Gestion de l'Ouest (LEGO), Institut Mines-Télécom [Paris] (IMT)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Brestois des Sciences de l'Homme et de la Société (IBSHS), Université de Brest (UBO)-Université de Brest (UBO)-Université de Bretagne Sud (UBS)-Université Bretagne Loire (UBL), Lab-STICC_IMTA_CID_DECIDE, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), and Institut Mines-Télécom [Paris] (IMT)

Subjects
ComputingMilieux_MISCELLANEOUS, [SHS]Humanities and Social Sciences
Abstract

International audience

Published
2019

49. An empirical characterization of community structures in complex networks using a bivariate map of quality metrics

Author

Cécile Bothorel, Philippe Lenca, Vinh-Loc Dao, Lab-STICC_IMTA_CID_DECIDE, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance ( Lab-STICC ), École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ) -Université Bretagne Loire ( UBL ) -IMT Atlantique Bretagne-Pays de la Loire ( IMT Atlantique ) -École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ) -Université Bretagne Loire ( UBL ) -IMT Atlantique Bretagne-Pays de la Loire ( IMT Atlantique ), Département Logique des Usages, Sciences sociales et Sciences de l'Information ( LUSSI ), IMT Atlantique Bretagne-Pays de la Loire ( IMT Atlantique ), Lab-STICC_TB_CID_DECIDE, École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ) -École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Université européenne de Bretagne ( UEB ) -Télécom Bretagne-Institut Mines-Télécom [Paris], Département Logique des Usages, Sciences sociales et Sciences de l'Information (IMT Atlantique - LUSSI), IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Equipe DECIDE (Lab-STICC_DECIDE), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), and Institut Mines-Télécom [Paris] (IMT)

Subjects
FOS: Computer and information sciences, Physics - Physics and Society, Theoretical computer science, Computer science, [INFO.INFO-DS]Computer Science [cs]/Data Structures and Algorithms [cs.DS], Complex networks, FOS: Physical sciences, Physics and Society (physics.soc-ph), 02 engineering and technology, [ PHYS.PHYS.PHYS-SOC-PH ] Physics [physics]/Physics [physics]/Physics and Society [physics.soc-ph], Bivariate map, Network topology, 01 natural sciences, [INFO.INFO-SI]Computer Science [cs]/Social and Information Networks [cs.SI], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], 020204 information systems, 0103 physical sciences, Cluster description, 0202 electrical engineering, electronic engineering, information engineering, Media Technology, 010306 general physics, Representation (mathematics), [ INFO.INFO-AI ] Computer Science [cs]/Artificial Intelligence [cs.AI], [ INFO.INFO-DS ] Computer Science [cs]/Data Structures and Algorithms [cs.DS], Social and Information Networks (cs.SI), [ INFO.INFO-SI ] Computer Science [cs]/Social and Information Networks [cs.SI], Transitive relation, Communication, String (computer science), Community structure, Computer Science - Social and Information Networks, Complex network, Computer Science Applications, Graph model, Human-Computer Interaction, Generative model, Community characterization, Information Systems
Abstract

Community detection emerges as an important task in the discovery of network mesoscopic structures. However, the concept of a "good" community is very context-dependent and it is relatively complicated to deduce community characteristics using available community detection techniques. In reality, the existence of a gap between structural goodness quality metrics and expected topological patterns creates a confusion in evaluating community structures. In this paper, we introduce an empirical multivariate analysis of different structural goodness properties in order to characterize several detectable community topologies. Specifically, we show that a combination of two representative structural dimensions including community transitivity and hub dominance allows to distinguish different topologies such as star-based, clique-based, string-based and grid-based structures. Additionally, these classes of topology disclose structural proximities with those of graphs created by Erd\H{o}s-R\'{e}nyi, Watts-Strogatz and Barab\'{a}si-Albert generative models. We illustrate popular community topologies identified by different detection methods on a large dataset composing many network categories and associate their structures with the most related graph generative model. Interestingly, this conjunctive representation sheds light on fundamental differences between mesoscopic structures in various network categories including: communication, information, biological, technological, social, ecological, synthetic networks and more., Comment: 18 pages, 12 figures, 41 reference items

Published
2018

50. Community structure: A comparative evaluation of community detection methods

Author

Philippe Lenca, Cécile Bothorel, Vinh-Loc Dao, Lab-STICC_IMTA_CID_DECIDE, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), Institut Mines-Télécom [Paris] (IMT)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-École Nationale d'Ingénieurs de Brest (ENIB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL)-Institut Mines-Télécom [Paris] (IMT)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-École Nationale d'Ingénieurs de Brest (ENIB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL), Département Logique des Usages, Sciences sociales et Sciences de l'Information (IMT Atlantique - LUSSI), IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), and Institut Mines-Télécom [Paris] (IMT)

Subjects
decision-making assistance for practitioners, FOS: Computer and information sciences, Computer Science - Machine Learning, comparative analysis, Sociology and Political Science, Social Psychology, Process (engineering), Computer science, media_common.quotation_subject, [INFO.INFO-DS]Computer Science [cs]/Data Structures and Algorithms [cs.DS], Machine Learning (stat.ML), validation metric, empirical analysis, 01 natural sciences, [INFO.INFO-SI]Computer Science [cs]/Social and Information Networks [cs.SI], Field (computer science), [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], 010305 fluids & plasmas, Comparative evaluation, Machine Learning (cs.LG), Empirical research, Statistics - Machine Learning, 0103 physical sciences, community detection, Quality (business), 010306 general physics, media_common, Social and Information Networks (cs.SI), community size, Communication, computation time, Community structure, Computer Science - Social and Information Networks, Complex network, Data science, structural quality function, decision-making assistance for practionners, community structure
Abstract

Discovering community structure in complex networks is a mature field since a tremendous number of community detection methods have been introduced in the literature. Nevertheless, it is still very challenging for practioners to determine which method would be suitable to get insights into the structural information of the networks they study. Many recent efforts have been devoted to investigating various quality scores of the community structure, but the problem of distinguishing between different types of communities is still open. In this paper, we propose a comparative, extensive and empirical study to investigate what types of communities many state-of-the-art and well-known community detection methods are producing. Specifically, we provide comprehensive analyses on computation time, community size distribution, a comparative evaluation of methods according to their optimisation schemes as well as a comparison of their partioning strategy through validation metrics. We process our analyses on a very large corpus of hundreds of networks from five different network categories and propose ways to classify community detection methods, helping a potential user to navigate the complex landscape of community detection., Comment: This version will be published the Network Science journal (http://journals.cambridge.org/NWS)

Published
2018
Full Text
View/download PDF

Catalog

Books, media, physical & digital resources
See catalog results