untitled
<OAI-PMH schemaLocation=http://www.openarchives.org/OAI/2.0/ http://www.openarchives.org/OAI/2.0/OAI-PMH.xsd>
<responseDate>2018-01-15T18:37:32Z</responseDate>
<request identifier=oai:HAL:hal-00768408v1 verb=GetRecord metadataPrefix=oai_dc>http://api.archives-ouvertes.fr/oai/hal/</request>
<GetRecord>
<record>
<header>
<identifier>oai:HAL:hal-00768408v1</identifier>
<datestamp>2017-12-21</datestamp>
<setSpec>type:COMM</setSpec>
<setSpec>subject:info</setSpec>
<setSpec>collection:BNRMI</setSpec>
<setSpec>collection:UNIV-AG</setSpec>
<setSpec>collection:TDS-MACS</setSpec>
</header>
<metadata><dc>
<publisher>HAL CCSD</publisher>
<title lang=fr>Extraction de Liens Fréquents dans les Réseaux Sociaux</title>
<creator>Stattner, Erick</creator>
<creator>Collard, Martine</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>
<source>Extraction et gestion des connaissances (EGC'2012), Actes, janvier 31 - février 2012, Bordeaux, France</source>
<source>Extraction et gestion des connaissances (EGC)</source>
<coverage>Bordeaux, France</coverage>
<contributor>RNTI</contributor>
<publisher>Hermann-Éditions</publisher>
<identifier>hal-00768408</identifier>
<identifier>https://hal.archives-ouvertes.fr/hal-00768408</identifier>
<source>https://hal.archives-ouvertes.fr/hal-00768408</source>
<source>RNTI. Extraction et gestion des connaissances (EGC), 2012, Bordeaux, France. Hermann-Éditions, 23, pp.441-446, 2012</source>
<language>fr</language>
<subject lang=fr>Réseaux sociaux</subject>
<subject lang=fr>fouille de données</subject>
<subject lang=fr>motifs fréquents</subject>
<subject lang=fr>liens fréquents</subject>
<subject>[INFO.INFO-LG] Computer Science [cs]/Machine Learning [cs.LG]</subject>
<subject>[INFO.INFO-MO] Computer Science [cs]/Modeling and Simulation</subject>
<type>info:eu-repo/semantics/conferenceObject</type>
<type>Conference papers</type>
<description lang=fr>Cet article présente FLMin, une nouvelle méthode d'extraction de motifs fréquents dans les réseaux sociaux. Contrairement aux méthodes traditionnelles qui s'intéressent uniquement aux régularités structurelles, l'originalité de notre approche réside dans sa capacité à exploiter la structure et les attributs des noeuds pour extraire des régularités, que nous appelons "liens fréquents", dans les liens entre des noeuds partageant des caractéristiques communes.</description>
<date>2012</date>
</dc>
</metadata>
</record>
</GetRecord>
</OAI-PMH>
