| Titre : | Big Data et Réseaux Sociaux |
| Auteurs : | Abdelmalek amine, Directeur de thèse ; guendouz mohamed, Auteur |
| Type de document : | texte imprimé |
| Editeur : | univ DR taher moulay saida, 2017-2018 |
| ISBN/ISSN/EAN : | TECT01933 |
| Format : | 108p / ill / 29cm |
| Langues: | Français |
| Mots-clés: | Big Data, Réseaux Sociaux en Ligne, Analyse des Réseaux Sociaux, Détec- tion de Communautés, Systèmes de Recommandation. |
| Résumé : |
Le monde a connu durant les deux dernières décennies une évolution phénoménale de données dans tous les domaines. Aujourd’hui, les données existent en des très grands volumes et en différentes variétés, et sont générées avec une vitesse rapide. Ce phénomène connu sous le nom de Big Data, a attiré l’attention de presque tout le monde ces dernières années, d’un simple utilisateur aux grandes entreprises de technologie. Ces données viennent de plusieurs sources et sont produites par de multiples acteurs. L’e-commerce, les objets connectés, et Internet sont parmi les sources qui génèrent plus de données, mais dernièrement on remarque une augmentation rapide d’un genre de données un peu spécial, dite données sociales. Ce genre de données vient des réseaux sociaux en ligne et qui est généralement produit par des simples utilisateurs, il existe en grandes quantités et en différents formats, texte, image, et vidéo. L’analyse des données sociales peut révéler plusieurs informations et connaissances pertinentes qui peuvent aider les chercheurs a mieux comprendre les comportements d’utilisateurs des réseaux sociaux. Dans cette thèse, nous nous intéressons principalement à l’analyse des réseaux sociaux en ligne (ARS) dans un environnement big data en utilisant de nouvelles approches et techniques afin d’améliorer les résultats des méthodes existantes. Nous avons abordé plusieurs problé- matiques liées aux réseaux sociaux telles que la détection des communautés et la recomman- dation. Nous avons proposé notamment une nouvelle approche de détection de communautés en utilisant un nouveau algorithme d’optimisation inspiré des jeux d’artifices, les résultats obtenues des évaluations montrent des bonnes performances de cette approche. Nous avons aussi proposé un système de recommandation des projets open source pour les développeurs sur le réseau social GitHub en utilisant une approche de filtrage collaborative. Ce travail est soutenu par un prototype de site web permettant la recommandation des nouveaux projets open source aux utilisateurs. |
| Note de contenu : |
-Big Data : État de l’art -Analyse des réseaux sociaux -Détection de communautés dans les réseaux sociaux -Les Systèmes de recommandation -Conclusion générale et perspectives |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| TECT01933 | T.I.DOC00007 | Périodique | Ouvrages | 27 | Libre accès Disponible |
