H2PTM (2009) Lavergne

Construction d’un graphe de documents par des fourmis artificielles

Exploration interactive d’un ensemble de documents

---

 
 

H2PTM'09 Paris Titre Construction d’un graphe de documents par des fourmis artificielles : Exploration interactive d’un ensemble de documents Auteurs Julien Lavergne(i), Hanene Azzag(ii), Christiane Guinot(i,iii) et Gilles Venturini(i) Affiliations (i) Laboratoire d’Informatique de l’université François-Rabelais de Tours, EA 2101 {prenom.nom}@univ-tours.fr (ii) Laboratoire d’Informatique de l’université de Paris-Nord XIII, CNRS - UMR 7030 hanene.azzag@lipn.univ-paris13.fr (iii)Laboratoire CE.R.I.E.S., Neuilly-sur-Seine, France christiane.guinot@ceries-lab.com Dans actes du colloque H2PTM 2009 Paris publié dans H²PTM09 : Rétrospective et perspective 1989 - 2009

Résumé

Nous présentons un nouvel algorithme de construction incrémentale d’un graphe de voisinage à partir d’un ensemble de documents. Notre méthode est basée sur une population d’agents artificiels qui s’inspirent du comportement d’auto-assemblage des fourmis réelles qui construisent des structures vivantes. Un agent représente un document que notre méthode as- socie à un ou plusieurs autres agents (création d’hyperliens) dans la construction d’un graphe selon une mesure de similarité. Nous indiquons les avantages de notre méthode par rapport à d’autres et visualisons nos graphes avec un algorithme d’affichage adapté qui nous permet de préciser une distance cible entre les noeuds (i.e. similarité). L’utilisateur peut facilement observer les regroupements de documents similaires et en extraire des connaissances à l’aide de nombreuses interactions.

Mots-clés 

hypertexte, web, graphe de voisinage, fourmis artificielles, visualisation interactive, classification non supervisée.

English description

Abstract 

We present an incremental algorithm for building a proximity graph from a set of documents. This algorithm is based on a population of artificial agents that imitate the way real ants build structures with self-assembly behaviors. An agent symbolizes a document from the set that our method associates to one or several other agents (creation of hyperlinks) into the construction of a graph according to a similarity measure. We show the advantages of our method compared to standard methods and we visualize our graphs with a display method which we use to define a target distance between nodes (i.e. similarity). He can easily discover the clusters of similar documents and extract knowledge using interactions.

Keywords

hypertext, web, proximity graph, artificial ants, interactive visualization, clustering.