OPEN ACCESS
Les articles contenus dans ce numéro sont une sélection des quatre meilleurs articles de la catégorie « articles non publiés » présentés lors de la 32e édition de la conférence sur la « Gestion de Données — Principes, Technologies et Applications » (BDA 2016) qui ont eu lieu à l’Ecole nationale supérieure de
mécanique et d’aérotechnique (ISAE-ENSMA), à Poitiers du 15 au 18 novembre 2016. BDA est le rendez-vous incontournable de la communauté de la gestion de données en France.
Le premier article, intitulé « Calculer et compresser le Skycube négatif », par Nicolas Hanusse, Patrick Kamnang Wanko et Sofian Maabout, s’intéresse au problème de l’évaluation efficace de requêtes de préférences multicritères de type Skyline (i.e., recherche d’un optimum au sens de Pareto). L’article traite plus particulièrement du problème de calcul efficace des skycube, i.e., l’ensemble des requêtes skylines obtenu en considérant chacun des sous-ensembles de dimensions. Il propose pour cela une technique originale qui s’appuie sur un calcul rapide et une représentation résumée de l’information complémentaire, i.e., le skycube négatif, ce dernier pouvant ensuite être exploité pour calculer le skycube positif.
L’article « Dissimilarités entre jeux de données », par William Raynaut, Chantal Soule-Dupuy et Nathalie Valles-Parlangeau, traite du problème de la caractérisation des jeux de données dans le cadre du méta-apprentissage. L’objectif est de rechercher, pour un jeu de données particulier, un ensemble de propriétés qui permettent de le caractériser de manière précise et qui offrent la possibilité d’être exploitées par des algorithmes de méta-apprentissage. L’article propose d’exploiter des fonctions de dissimilarité entre jeux de données et montre qu’elles permettent de caractériser de manière plus efficace l’adéquation d’algorithmes de classification avec des jeux de données.
Le troisième article, intitulé « Behavioural account-based features for filtering out social spammers in large-scale Twitter data collections », par Mahdi Washha, Manel Mezghani, Florence Sèdes, traite du problème de détection de comptes spams (ou spammeurs sociaux) dans les réseaux sociaux en ligne, tels que le réseau Twitter. Ce problème est important car il a trait à la qualité de l’information dans les réseaux sociaux. La solution présentée par Washha et al. offre de nouvelles fonctionnalités robustes, qui s’appuient sur une modélisation du comportement des spammeurs sociaux, et permet de filtrer les comptes spams existants tout enminimisant le nombre d’information requis des serveurs de Twitter. Les résultats expérimentaux présentés dans l’article confirment l’intérêt de l’approche proposée.
Le dernier article, « Un partitionnement d’arêtes à base de blocs pour les algorithmes de marches aléatoires dans les grands graphes sociaux », par Yifan Li, Camelia Constantin et Cédric du Mouza, traite du problème de partitionnement dans les grands graphes, tels que les graphes des réseaux sociaux. L’article propose une nouvelle stratégie de partitionnement de graphes qui est particulièrement adaptée pour les algorithmes basés sur les marches aléatoires prenant en compte les propriétés topologiques des graphes. L’approche met en avant des propriétés intéressantes telles qu’une distribution équilibrée des arêtes sur les nœuds de calcul et permet de maintenir l’équilibre d’une telle distribution de manière dynamique.
Je tiens à remercier tous les auteurs pour leur excellente contribution, Ladjel Bellatrèche et toute son équipe pour l’organisation des journées BDA 2016, Pierre Senellart et le comité de sélection des démonstrations et enfin, tous les membres du comité de programme de BDA 2017 et les relecteurs suivants qui ont participé à l’évaluation des articles sélectionnés pour ce numéro :
– Radu Ciucanu, Université Clermont Auvergne
– Jérôme Darmont, Université de Lyon
– Frédéric Flouvat, Université de Nouvelle Calédonie
– Mohand-Said Hacid, Université de Lyon
– Florent Masseglia, INRIA, Montpellier
– Marie Pailloux, Université Clermont Auvergne.