La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Réseaux sociaux: une analyse centrée sur l'individu Alina STOICA Orange Labs & LIAFA.

Présentations similaires


Présentation au sujet: "Réseaux sociaux: une analyse centrée sur l'individu Alina STOICA Orange Labs & LIAFA."— Transcription de la présentation:

1 Réseaux sociaux: une analyse centrée sur l'individu Alina STOICA Orange Labs & LIAFA

2 LIP6 10/06/2010 Alina Stoica – p 2 Laboratoire SENSE: Sociologie des usages Etudes du comportement de l'utilisateur (du client): Approche "qualitative": entretiens, enquêtes qualitatives Approche "quantitative": études des traces d'usages Communications par téléphone mobile Utilisations des plateformes sociales en ligne (MySpace, Flickr, Twitter, développées par Orange etc.) Connaissance des clients: développement de services, offres adaptés, ciblage de clients etc.

3 LIP6 10/06/2010 Alina Stoica – p 3 Bases de données (1) Téléphonie mobile: liste des communications entre les clients d'Orange en Belgique Numéros chiffrés => identifiants Toutes les communications (appels et SMS) impliquant un ou deux clients Un mois de communication Données sociodémographiques (âge et sexe)

4 LIP6 10/06/2010 Alina Stoica – p 4 Bases de données (2) Plateformes en lignes: aspirations de profils à partir de quelques profils initiaux BFS Toutes les informations du profil Liens déclarés avant l'aspiration

5 LIP6 10/06/2010 Alina Stoica – p 5 Caractérisation des clients: analyse des usages Téléphonie mobile: Nombre d'appels, durée, fréquence, nombre de SMS etc. Croiser avec les données sociodémographiques Plateformes en lignes: Nombre de commentaires, quantité de contenu publié etc. Croiser avec les autres informations du profil

6 LIP6 10/06/2010 Alina Stoica – p 6 Caractérisation des clients: analyse du réseau social On modélise les relations observées entre des personnes par un graphe (réseau social) les nœuds: les individus les liens correspondent aux relations observées

7 LIP6 10/06/2010 Alina Stoica – p 7 Caractérisation des clients: approche centrée sur l'individu Décrire comment chaque nœud (individu) est connecté dans le réseau Analyse de la structure locale du réseau, autour de chaque nœud Gros volumes de données mesures avec petite complexité

8 LIP6 10/06/2010 Alina Stoica – p 8 La méthode proposée Etape1: calcul du réseau égocentré d'un nœud (ego) lister les triangles contenant ego Eg(ego)

9 LIP6 10/06/2010 Alina Stoica – p 9 Etape 2: énumération des patterns dans le réseau égocentré

10 LIP6 10/06/2010 Alina Stoica – p 10 Exemple 10 nœuds: 4 isolés 5 liens: 1 isolés 2 1

11 LIP6 10/06/2010 Alina Stoica – p 11 Description des liens formés par ego (positions de ses voisins) Après étape 2: description de la façon dont ego est connecté dans le réseau Etape 3: calcul des positions occupées par les contacts d'ego Plusieurs positions dans un pattern:

12 LIP6 10/06/2010 Alina Stoica – p 12 Etape 2: énumération des patterns dans le réseau égocentré Etape 3: calcul des positions dans les patterns

13 LIP6 10/06/2010 Alina Stoica – p 13 Un autre exemple Etape1: calcul du réseau égocentré d'un nœud (ego)

14 LIP6 10/06/2010 Alina Stoica – p 14

15 LIP6 10/06/2010 Alina Stoica – p 15 Avantages Applicable à tout réseau Connaissance locale du réseau Rapide Motifs caractéristiques Description de la structure locale Ego Les contacts d'ego (les liens d'ego)

16 Application Le réseau de téléphonie mobile Mobistar (Orange en Belgique)

17 LIP6 10/06/2010 Alina Stoica – p 17 La base de données Les communications (appels et SMS) des clients de Mobistar pendant octobre 2006 Un enregistrement: Les identifiants (anonymisés) des deux personnes L'heure La durée Le type (appel vocal ou SMS) Pour chaque jour, 10 millions communications avec plus de 3 millions clients

18 LIP6 10/06/2010 Alina Stoica – p 18 Le réseau social Les nœuds: les clients de Mobistar Un lien entre deux nœuds: au moins une communication dans chaque sens 3 millions de nœuds 6 millions de liens

19 LIP6 10/06/2010 Alina Stoica – p 19 Patterns caractéristiques (1) Un pattern est "caractéristique" si: Définition 1: son nombre d'occurrences dans les réseaux égocentrés est supérieur à un seuil donné

20 LIP6 10/06/2010 Alina Stoica – p 20 Patterns caractéristiques (2) Un pattern est "caractéristique" si: Définition 2: le nombre de réseaux égocentrés le contenant est supérieur à un seuil donné

21 LIP6 10/06/2010 Alina Stoica – p 21 Patterns caractéristiques (3) Un pattern est "caractéristique" si : Définition 3: son nb d'occurrences dans les réseaux égocentrés est supérieur au nb d'occurrences dans des réseaux générés aléatoirement Pour chaque réseau égocentré, plusieurs générations en utilisant Orbis [1] [1] P. Mahadevan, D. Krioukov, K. Fall and A. Vahdat, Systematic topology analysis and generation using degree correlations, SIGCOMM, 2006

22 LIP6 10/06/2010 Alina Stoica – p 22 Positions des contacts d'ego

23 LIP6 10/06/2010 Alina Stoica – p 23 Positions des contacts d'ego: la fréquence des appels En moyenne, pour chaque motif: Le contact qui parle le plus souvent avec ego Les contacts suivants et Le contact qui parle peu avec ego

24 LIP6 10/06/2010 Alina Stoica – p 24 Positions des contacts d'ego: la fréquence des appels

25 LIP6 10/06/2010 Alina Stoica – p 25 Positions des contacts d'ego: la durée des appels En moyenne, pour chaque motif: Le contact qui la plus grande fréquence d'appel Le contact qui la plus grande durée d'appel et Le contact qui parle peu avec ego

26 LIP6 10/06/2010 Alina Stoica – p 26 Commentaires sur les résultats Licoppe C., Smoreda Z., 2005, Are social networks technologically embedded? How networks are changing today with changes in communication technology, Social Networks, vol. 27, no. 4, pp. 317–335 Deux registres de communication: Présence connectée Présence intermittente

27 Application Le réseau des artistes sur MySpace: Analyse de la popularité en ligne

28 LIP6 10/06/2010 Alina Stoica – p 28 L'artiste MySpace, entrepreneur de sa notoriété Nb de visites de la page Nb de commentaires Nb d'amis "marketing de soi- même"

29 LIP6 10/06/2010 Alina Stoica – p 29 Construction des données Nb. total de profiles (artist ou fan) Nb. de profiles artist Nb. total de liens Nb. de liens entre artistes Réciprocité des liens40.1% Artists avec label Major3 422 Artists avec label Indie7 069 Artists sans label3 445 Aspiration BFS à partir de 7 profils initiaux

30 LIP6 10/06/2010 Alina Stoica – p 30 Clustering des artistes à partir de la popularité en ligne On caractérise chaque artiste par un vecteur: Nb. de visites de sa page audience Nb. de commentaires laissés sur sa page Nb. de gens l'avoir déclaré comme meilleur ami (autorité) Nb. d'artistes l'avoir déclaré comme meilleur ami (autorité artistique) Réciprocité de ses liens Label: "Major" (=3), "Indie" (=2) ou "Other" (=1) On groupe les individus avec Kohonen SOM

31 LIP6 10/06/2010 Alina Stoica – p 31 Résultat SOM

32 LIP6 10/06/2010 Alina Stoica – p 32 Clustering des cellules k-means clustering + expectation maximization algorithm 5 clusters

33 LIP6 10/06/2010 Alina Stoica – p 33 Description des clusters Vert (3): superstars, avec le plus de notoriété, à la fois influents et autoritaires; élites MySpace, avec une forte stratégie marketing online, populaires dans les medias traditionnels Bleu foncé (2): artistes influens avec une notoriété plus faible que les superstars mais avec une stratégie marketing efficace; souvent trendy, avant-garde music. Orange (5): artistes dynamiques d'un point de vue social, avec audience faible; groupes d'artistes non-professionnels bien intégrés dans des scènes locale Bleu (1): artistes avec une audience moyenne, faible autorité et peu de liens réciproques; sans stratégie MySpace importante Rouge (4): artistes anonymes avec peu d'audience et sans pratique sociale active Nord Sud Ouest Est Audience + Autorité Réciprocité

34 LIP6 10/06/2010 Alina Stoica – p 34 A degré égal

35 LIP6 10/06/2010 Alina Stoica – p 35 A nombre de liens égal

36 LIP6 10/06/2010 Alina Stoica – p 36 Caractérisation des liens En utilisant les positions dans les patterns: Clusters 1 et 4: liens sortants vers 3 Cluster 2: liens réciproques avec lui-même Cluster 3: liens réciproque avec lui-même dans les positions centrales et intermédiaires liens entrants avec 4 dans les positions périphériques Cluster 5: liens réciproques avec 2 et 5 dans les positions centrales liens sortant vers 3 dans les autres positions

37 LIP6 10/06/2010 Alina Stoica – p 37 On peut envisager de Faire des catégories de nœuds pour grouper les nœuds qui se connectent de la même façon au réseau rôle identifier les nœuds "spéciaux" nœuds influents, leaders sociaux comparer à des caractéristiques exogènes au réseau prédiction Mesurer l'évolution

38 Merci!


Télécharger ppt "Réseaux sociaux: une analyse centrée sur l'individu Alina STOICA Orange Labs & LIAFA."

Présentations similaires


Annonces Google