, 2.1.4 Prise en compte de l'influence indirecte, p.105
,
,
,
,
, Diagramme d'états-transitions d'un utilisateur dans le modèle de seuil linéaire 19
,
, , p.20
, , p.23, 2012.
, La définition standard du coefficient de clustering pour un noeud i est le nombre de liens reliant les voisins du noeud i (appelés triangles), divisé par le nombre total de liens possibles entre les voisins du noeud i. (Wikipédia), Exemple de calcul du coefficient de clustering pour le noeud bleu. Les liens noirs connectent les voisins du noeud bleu, et les liens rouges sont pour les liens non utilisés possibles
, Diversité des chemins et influence (extrait de, p.25, 2013.
, 27 2.10 Taxonomie des approches d'estimation de l'influence dans les réseaux sociaux, 2015.
, Représentation multi-graphe labellé de Twitter, p.44, 2016.
, Exemple d'une modélisation sous la forme d'un hypergaphe de Twitter, p.47
, , p.49, 2016.
,
, Matrice de supra-adjacence de l'exemple donné en figure 3.4, p.53
, Représentation sous la forme d'un réseau multiplexe des données de l'hypergraphe de la figure 3.2 incluant dix couches regroupées selon trois aspects
, additif et combiné des candidats français du corpus TEE'2014
, PageRank des candidats français du corpus TEE'2014 selon les relations retweet, p.61
, additif et combiné des candidats du corpus TEP 2017
, PageRank des candidats du corpus TEP 2017 selon les relations retweet
, Exemple de relation mention
, Exemple de motif d'interaction réponse + mention
, Graphe d'influence centré sur l'utilisateur u 1
, Principe de l'estimation de l'influence polarisée
, Modèle relationnel représentant les données Twitter collectées, p.98
, Cas d'un retweet d'une mention
, Cas d'un retweet d'un retweet d'une mention
, Convergence de l'influence en fonction du nombre de retweets, p.101
, Représentation de l'influence pour dix candidats français, p.103
, Une partie de la chaîne de Markov obtenue dans le cas de x ? y " z et x ? y 1 " z
, Une chaîne de Markov construiteà partir de ?
, Lorsque tous lesétats ont des masses positives, Z est l'uniqueétat absorbant. Mais si seulement mpXq ? 0 et mpYq ? 0
, PageRank multiplexe multiplicatif des candidats français du corpus TEE, 2014171.
, PageRank multiplexe additif des candidats français du corpus TEE, p.171, 2014.
, PageRank multiplexe combiné des candidats français du corpus TEE, p.172, 2014.
, PageRank multiplexe multiplicatif des candidats du corpus TEP, p.175, 2017.
, PageRank multiplexe additif des candidats du corpus TEP, p.175, 2017.
, PageRank multiplexe combiné des candidats du corpus TEP, 2017.
, Synthèse des critères pour l'analyse Twitter, p.15, 2016.
, Synthèse des travaux de recherche sur l'influence, p.37
, , vol.46
, Combinaison des connaissances des deux experts, vol.68
,
,
, Cas 2 : deux retweets + deux mentions
, Probabilité pignistique pour deux retweets + deux mentions, p.79
, Distribution de probabilité pignistique pour un exemple de trois utilisateurs, vol.80
, en fonction des variations des différents paramètres, vol.87
, Nombre de tweets par polarité pour trois candidats
, Résultats de l'influence polarisée pour trois candidats, p.91
, Fonctions des principaux opérateurs de communication dans un tweet, p.92
, Exemples de combinaisons d'opérateurs et d'éléments voisins, p.93
, Paramètres des données relatives aux corpus français et anglais, p.100
, Classement des candidats français les plus influents
, Classement des candidats anglais les plus influents, vol.104, p.139
, Résultats pour trois candidats français en considérant leur influence indirecte105
, Résultats pour trois candidats anglais en considérant leur influence indirecte105
, Classement des candidats français en prenant en compte l'influence indirecte106
, Candidats français les plus influents selon les différentes relations et le degré de centralité
, Candidats français les plus influents selon l'algorithme du HITS, p.107
, Paramètres des données relatives aux corpus de l'élection présidentielle française de 2017
, Classement des candidatsà l'élection présidentielle française de 2017 les plus influents avant le premier tour
, Classement des candidatsà l'élection présidentielle française de 2017 les plus influents entre les deux tours
, Classement des candidats auxélections françaises 2017 selon les différentes relations avant le premier tour
, Résultats de F-score de TwitBelief sur les données Replab, p.112
, , p.112
, Combinaison des masses des sous-réseaux des polarités Positive et Négative162
, Combinaison des masses des trois sous-réseaux
, Fusion des deux opérateurs interactifs
, 5 Cas 2 : 2 opérateurs interactifs + 1 opérateur informatif, p.164
, Probabilité pignistique pour le cas 2
, Classement des candidats Français du corpus TEE 2014 selon le score PageRank de la relation retweet
, Classement des candidats Français du corpus TEE 2014 selon le score PageRank de la relation mention
, Classement des candidats Français du corpus TEE 2014 selon le score PageRank de la relation réponse
, Classement des candidats Français du corpus TEE 2014 selon le score PageRank multiplexe multiplicatif
, Classement des candidats Français du corpus TEE 2014 selon le score PageRank multiplexe additif
, Classement des candidats Français du corpus TEE 2014 selon le score PageRank multiplexe combiné
, Classement des candidats du corpus TEP 2017 selon le score PageRank de la relation retweet
, Classement des candidats du corpus TEP 2017 selon le score PageRank de la relation mention
, Classement des candidats du corpus TEP 2017 selon le score PageRank de la relation réponse
, Classement des candidats du corpus TEP 2017 selon le score PageRank multiplexe multiplicatif durant le premier tour
, Classement des candidats du corpus TEP 2017 selon le score PageRank multiplexe additif durant le premier tour
, Classement des candidatsdu corpus TEP 2017 selon le score PageRank multiplexe combiné durant le premier tour
,
, représenter un réseaux de co-citations reliant des auteurs, leurs publications et les citations
,
, Cq où V est l'ensemble de noeuds, C est l'ensemble de couleurs utilisées pour marquer le type d'un lien, et E ? V?V?C est l'ensemble des liens. La couleur a de nouveau la signification générale d'uneétiquette, ainsi les liens qui sont incidents au même noeud peuvent avoir la même couleur, Les graphes de liens colorés sont des graphes avec plusieurs types de liens, ils sont définis comme un triplet : G e " pV, E
,
, Un graphe de k-parti est un graphe dont les noeuds peuventêtre partitionnés en k ensembles disjoints de sorte que deux noeuds d'un même ensemble ne soient pas adjacents. Ainsi, ce graphe comprend différents types de noeuds et les liens ne sont pas autorisés entre le même type de noeud. C'est un cas particulier de graphes de noeuds colorés. Chaque type de noeud correspondà une couleur, et la coloration est une coloration de noeud propre, c'est-à-dire que deux noeuds de même couleur ne peuvent pasêtre incidents sur le même lien
, les auteurs proposent une méthode de projection des graphes K-parti afin de prendre en compte plusieurs types de liens, 2013.
, Eric Leclercq et Alex Frame. Evaluation de l'influence sur Twitter : Application au projet 'Twitter aux Elections Européennes, Les contributions proposées dans cette thèse ont abouti aux publications suivantes : 1. Lobna Azaza, 2014.
, Eric Leclercq et Rim Faiz. Influence assessment in Twitter multi-relational network, SITIS 2015, 11th International Conference on Signal Image Technology and Internet Based Systems, pp.436-443, 2015.
, Twitter at the European Elections 2014 : International Perspectives on a Political Communication Tool, pp.26-27, 2014.
, Eric Leclercq et Rim Faiz. Evaluation de l'influence dans un réseau multirelationnel : le cas de Twitter, pp.131-146, 2016.
, Évaluation de l'influence des candidats sur Twitter durant lesélections européennes de, 2014.
, Mohamed Sadgal, Eric Leclercq et Djamal Benslimane. A credibility and classification-based approach for opinion analysis in social networks, MEDI 2016, 6th International Conference on Model and Data Engineering, pp.303-316, 2016.
, Nicolas Gastineau et Rim Faiz. Information fusion based approach for studying influence on Twitter using belief theory. Revue Computational Social Networks, vol.3, pp.5-31, 2016.
, Eric Leclercq et Rim Faiz. Evaluation de l'influence polarisée dans un réseau multi-relationnel : Applicationà Twitter. Revue Document Numérique, vol.20, pp.67-100, 2017.
, Idir Amine Amarouche et Djamal Benslimane : Impact of Credibility on Opinion Analysis in Social Media, Fundamenta Informaticae, vol.162, pp.259-281, 2018.