Multi-agent generation of social networks
Génération multi-agents de réseaux sociaux
Résumé
In this thesis, we study the reproduction of social networks using an Agent-Based simulation. Two distinct approaches are often used in order to generate social networks. The first consists in mathematically replicating the topological properties of the network. The other is to recreate the social behaviors leading to network creation. The advantage of the latter is that it is understandable and tractable by users from any domain. The drawback of this approach is that the networks generated may not have realistic topologies. On the other hand, the first approach leads to good topological results. Unfortunately, the easy-to use models leads to quantitative results whereas the qualitative results require the use of harder models. Our model stands between these two approaches. The generation of the network is the result of an agent-based simulation where agents follow social-interpretable rules. The validation of the result is performed on the generated network topology. This method is related to complex systems: microscopic interaction phenomena lead macroscopic results which are generated networks. First, a general framework is theoretically defined, offering concepts and common mechanisms shared by model instances. Experiments are performed to analyze agent behavior and the resulting network topologies. Two instances of the model are then created and finally the parameter space of the model is explored using a genetic algorithm. Each of these models offer advantages and drawbacks concerning network generation. We compare the results of those models with different social networks. In this work, we offer an original way to generate networks which is both easy to use and precise in the topologies generated.
Nous nous intéressons dans cette thèse à la reproduction de réseaux sociaux par une simulation multi-agents. Deux approches distinctes sont traditionnellement utilisées pour générer des réseaux. La première cherche à reproduire mathématiquement les propriétés topologiques de réseau. La seconde mime les comportements sociaux amenant la formation d’un réseau. L’avantage de cette dernière approche est qu’elle est compréhensible et maitrisable par des utilisateurs issus de n’importe quel domaine de recherche. L’inconvénient est que les réseaux obtenus n’ont pas de propriétés topologiques semblables aux réseaux réels. A contrario, la première approche permet d’obtenir des réseaux fidèles topologiquement. Les méthodes faciles d’utilisation proposent des résultats qualitatifs ; obtenir des résultats quantitatifs demande l’usage de modèles plus difficiles d’utilisation. Nous positionnons notre modèle de génération de réseaux entre ces deux grands courants. La génération de réseaux est le résultat d’une simulation multi-agents ayant suivi des règles interprétables socialement, et la validation du résultat se fait sur des critères topologiques du réseau obtenu. Cette démarche nous inscrit dans l’étude des systèmes complexes : les phénomènes microscopiques d’interactions entre agents amènent des résultats macroscopiques que sont les réseaux obtenus. Cette thèse propose une approche de la reproduction de réseaux sociaux par une simulation multi-agents. Dans ce cadre, nous proposons une définition théorique d’un Framework général pour la génération de réseaux ainsi que les concepts et les mécanismes communs sur lesquels se basent nos modèles de génération de réseau. Deux modèles distincts sont développés depuis le Framework. Chacun fixe une instanciation particulière des mécanismes mettant, ce faisant, en avant la généricité de notre approche. Afin de trouver les meilleurs paramètres de simulation pour reproduire un réseau donné, un algorithme génétique est utilisé. Chacun de ces modèles ont des avantages et inconvénients en termes de réseaux générables. Nous confrontons le résultat des deux modèles de génération `a différents types de réseaux sociaux. Nous pensons avoir proposé une méthode de génération de réseau novatrice, visant à la fois une facilité d’utilisation et une précision dans les résultats obtenus, allié à une forte modularité.
Origine : Fichiers produits par l'(les) auteur(s)