untitled
<OAI-PMH schemaLocation=http://www.openarchives.org/OAI/2.0/ http://www.openarchives.org/OAI/2.0/OAI-PMH.xsd>
<responseDate>2018-01-15T18:23:36Z</responseDate>
<request identifier=oai:HAL:hal-01312559v1 verb=GetRecord metadataPrefix=oai_dc>http://api.archives-ouvertes.fr/oai/hal/</request>
<GetRecord>
<record>
<header>
<identifier>oai:HAL:hal-01312559v1</identifier>
<datestamp>2017-12-21</datestamp>
<setSpec>type:COMM</setSpec>
<setSpec>subject:info</setSpec>
<setSpec>collection:UNIV-AG</setSpec>
<setSpec>collection:BNRMI</setSpec>
</header>
<metadata><dc>
<publisher>HAL CCSD</publisher>
<title lang=fr>Vues Conceptuelles des Collaborations aux Conférences EGC depuis 2004: Une modélisation descriptive</title>
<creator>Stattner, Erick</creator>
<contributor>Laboratoire de Mathématiques Informatique et Applications (LAMIA) ; Université des Antilles et de la Guyane (UAG)</contributor>
<description>International audience</description>
<source>Extraction et gestion des connaissances</source>
<coverage>Reims, France</coverage>
<contributor>RNTI</contributor>
<identifier>hal-01312559</identifier>
<identifier>https://hal.archives-ouvertes.fr/hal-01312559</identifier>
<source>https://hal.archives-ouvertes.fr/hal-01312559</source>
<source>RNTI. Extraction et gestion des connaissances, Jan 2016, Reims, France. RNTI-E-30, pp.431-436, RNTI. Extraction et gestion des connaissances (EGC), 2016, Reims, France. Hermann-Éditions</source>
<language>fr</language>
<subject lang=en>social network</subject>
<subject lang=en> data mining: link clustering</subject>
<subject>[INFO.INFO-IR] Computer Science [cs]/Information Retrieval [cs.IR]</subject>
<subject>[INFO.INFO-LG] Computer Science [cs]/Machine Learning [cs.LG]</subject>
<type>info:eu-repo/semantics/conferenceObject</type>
<type>Conference papers</type>
<description lang=fr>Dans ce travail, nous analysons les données concernant les articles publiés à la conférence EGC. Notre objectif est d’identifier et de comprendre les tendances en matière de collaborations. Pour ce faire, nous adoptons une modélisation descriptive, à travers une approche réseau qui consiste à générer tout d’abord le réseau de collaborations des auteurs à partir des données. Nous enrichissons ensuite les noeuds de ce réseau d’une dizaine d’attributs individuels extraits à partir des données. Enfin, nous recherchons des vues conceptuelles, une approche récente de clustering de liens, qui permet de synthétiser des réseaux en mettant en évidence les ensembles d’attributs retrouvés fréquemment liés dans le réseau. Les résultats obtenus montrent les tendances existantes dans les comportements de collaborations. Dans ce papier, nous présentons ces tendances et montrons comment elles évoluent selon différents seuils d’extraction.</description>
<date>2016-01-18</date>
</dc>
</metadata>
</record>
</GetRecord>
</OAI-PMH>
