Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Réseaux Sociaux et d'Information : Classement

Dans cours

COM-308: Internet analytics

Internet analytics is the collection, modeling, and analysis of user data in large-scale online services, such as social networking, e-commerce, search, and advertisement. This class explores a number of the key functions of such online services that have ...

Description

Cette séance de cours couvre l'importance du classement dans les réseaux sociaux et d'information, en se concentrant sur des algorithmes comme PageRank et HITS. Il explique comment la structure du réseau, les hyperliens et les endossements influencent le classement des pages Web. La séance de cours explore les défis de la gestion des nœuds suspendus, le concept de la matrice Google et le calcul des scores à l'aide de systèmes linéaires et de la méthode de puissance. Il traite également des optimisations informatiques pour les graphes Web à grande échelle, y compris l'algorithme HITS et d'autres mesures de centralité telles que la centralité entre la proximité et la proximité.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace

Enseignant·e

Matthias Grossglauser

Source officielle

Concepts associés (32)

PageRank

thumb|Illustration du PageRank. Le PageRank ou PR est l'algorithme d'analyse des liens concourant au système de classement des pages Web utilisé par le moteur de recherche Google. Il mesure quantitativement la popularité d'une page web. Le PageRank n'est qu'un indicateur parmi d'autres dans l'algorithme qui permet de classer les pages du Web dans les résultats de recherche de Google. Ce système a été inventé par Larry Page, cofondateur de Google. Ce mot est une marque déposée. Le théorème de point fixe est le concept mathématique .

Centralité

thumb|right|300px|Exemples de A) Centralité d'intermédiarité, B) Centralité de proximité, C) Centralité de vecteur propre, D) Centralité de degré, E) Centralité harmonique et F) Centralité de Katz sur le même graphe. En théorie des graphes et en théorie des réseaux, les indicateurs de centralité sont des mesures censées capturer la notion d'importance dans un graphe, en identifiant les sommets les plus significatifs.

Katz centrality

In graph theory, the Katz centrality or alpha centrality of a node is a measure of centrality in a network. It was introduced by Leo Katz in 1953 and is used to measure the relative degree of influence of an actor (or node) within a social network. Unlike typical centrality measures which consider only the shortest path (the geodesic) between a pair of actors, Katz centrality measures influence by taking into account the total number of walks between a pair of actors. It is similar to Google's PageRank and to the eigenvector centrality.

Centralité intermédiaire

En théorie des graphes et théorie des réseaux, la centralité intermédiaire, centralité d'intermédiarité ou intermédiarité est une mesure de centralité d'un sommet d'un graphe. Elle est égale au nombre de fois que ce sommet est sur le chemin le plus court entre deux autres nœuds quelconques du graphe. Un nœud possède une grande intermédiarité s'il a une grande influence sur les transferts de données dans le réseau, sous l'hypothèse que ces transferts se font uniquement par les chemins les plus courts.

Eigenvector centrality

In graph theory, eigenvector centrality (also called eigencentrality or prestige score) is a measure of the influence of a node in a network. Relative scores are assigned to all nodes in the network based on the concept that connections to high-scoring nodes contribute more to the score of the node in question than equal connections to low-scoring nodes. A high eigenvector score means that a node is connected to many nodes who themselves have high scores. Google's PageRank and the Katz centrality are variants of the eigenvector centrality.

Afficher plus

Séances de cours associées (32)

Traitement des données du réseau

Explore la gestion des données du réseau, y compris les types de graphiques, les propriétés du réseau dans le monde réel et la mesure de l'importance des nœuds.

Manipulation des réseaux : théorie des graphes

Couvre les bases de la manipulation des réseaux et des mesures de centralité dans la théorie des graphes.

Manipulation des réseaux : théorie des graphes

Explore les concepts de théorie des graphes, les mesures de centralité et les propriétés de réseau du monde réel, fournissant des informations sur la gestion de divers types de réseaux.

Classement basé sur les liens : PageRank & HITS

Explore le classement basé sur les liens grâce à des algorithmes PageRank et HITS, couvrant des exemples pratiques et des défis dans les méthodes de recherche et de classement sur le Web.

Centralité et Hubs

Déplacez-vous dans la centralité et les centres de neurosciences en réseau, explorant l'importance des noeuds, les réseaux de petits mondes, le connectome structural du cerveau et la théorie de la percolation.

Afficher plus

Concepts associés (32)

PageRank

Centralité

Katz centrality

Centralité intermédiaire

Eigenvector centrality

Afficher plus