EXTRACTION INDIVIDUS RÉSILIENTS DANS LES COMMUNAUTÉS DES RÉSEAUX SOCIAUX À PARTIR DE DONNÉES TEXTUELLES

02 Août

EXTRACTION INDIVIDUS RÉSILIENTS DANS LES COMMUNAUTÉS DES RÉSEAUX SOCIAUX À PARTIR DE DONNÉES TEXTUELLES

SAHA KOUASSI BERNARD ,

Le recours aux entrepôts de données permet un gain considérable de temps consacrés à l’élaboration de requêtes pour la recherche d’éléments pertinents de prises de décisions. Ainsi l’objectif de cette thèse est de proposer dans un premier temps un modèle dimensionnel adapté au processus de résilience sociale, de l’évaluation du niveau de vulnérabilité d’individu en général et un modèle Bayésien de modélisation du processus de la résilience sociale en particulier. Ces travaux s’inscrivent dans le cadre du développement de l’ingénierie de la résilience dénommée aussi « Résiliométrie ». Cette science constitue la branche de modélisation la plus significative de la résilience sociale. Nous avons proposé des outils mathématiques et informatiques destinés à faciliter les travaux de l’observatoire de la
résilience en général et de la résilience sociale en particulier. Dans un second temps, le recours au contexte des Orphelins et Enfants Vulnérables (OEVs) du fait du VIH-Sida et des ménages jugés vulnérables du fait de la crise postélectorale en particulier sont des exemples d’applications concrètes de l’ingénierie de la résilience. Dans un troisième temps, nous nous sommes appuyés sur les techniques de Data Mining pour extraire des connaissances sur les individus issus des communautés des réseaux sociaux. Nous avons validé notre approche sur deux types de réseaux sociaux réels : un réseau social local de personnes vivant avec le VIH-Sida et un réseau social en ligne sur Twitter abordant le même sujet. La problématique de la détection d’un individu jugé Résilient par la société dans une
communauté sur les réseaux sociaux a fait l’objet des différentes contributions de cette thèse.

Mots clés : Système décisionnel, Web Mining, algorithme hybride, Réseaux Bayésiens, Ontologie de
la résilience sociale.

SUMMARY:

The use of data warehouses allows considerable time savings in developing queries to search for
relevant decision-making elements. Thus, the aim of this thesis is to propose, first, a dimensional model
adapted to the process of social resilience, the assessment of the level of vulnerability of individuals in
general and a Bayesian model of the process of social resilience in particular. This work is part of the
development of resilience engineering, also known as “resiliometry”. This science is the most
significant model of social resilience. We proposed mathematical and computer tools to facilitate the
work of the observatory of resilience in general and of social resilience in particular. Secondly, using
the context of Orphans and Vulnerable Children (OVCs) due to HIV / AIDS and households deemed
vulnerable due to the post-election crisis in particular, are examples of concrete applications of
resilience engineering. Then, we relied on Data Mining techniques to extract knowledge about
individuals from social networking communities. We validated our approach on two types of real social
networks: a local social network of people living with HIV / AIDS and an online social network on
Twitter addressing the same topic. The issue of the detection of an individual judged resilient by society
in a community on social networks was the subject of the different contributions of this thesis.

Keywords: Decisional system, Web Mining, Hybrid algorithm, Bayesians Networks, Ontology of
social resilience.

Related Posts

Leave A Comment