Skip to Main content Skip to Navigation
Conference papers

Un algorithme distribué pour le clustering de grands graphes

Résumé : Le clustering de graphes est l'une des techniques clés qui permet de comprendre les structures présentes dans les données de graphe. La détection des clusters et l'identification des ponts et des bruit sont également des tâches critiques car elles jouent un rôle important dans l'analyse des graphes. Récem-ment, plusieurs algorithmes de clustering de graphes ont été proposés et utilisés dans de nombreux domaines d'application. La plupart de ces algorithmes sont basés sur les algorithmes de clustering structurel. Néanmoins, ces derniers ont été conçus pour le traitement des petits graphes. D'où, leur performance peut se dégrader dans le cas des graphes larges qui imposent des défis supplémentaires. Dans cet article, nous proposons DSCAN, un algorithme distribué de clustering de graphes qui est basé sur le clustering structurel. Notre algorithme est im-plimenté sur la base de framework de traitement de grands graphes BLADYG. L'évaluation expérimentale de DSCAN a montré son efficacité et sa compétiti-vité pour le traitement de grands graphes.
Complete list of metadatas

Cited literature [7 references]  Display  Hide  Download

https://hal.inria.fr/hal-02540571
Contributor : Sabeur Aridhi <>
Submitted on : Saturday, April 11, 2020 - 12:16:31 PM
Last modification on : Wednesday, October 28, 2020 - 2:20:04 PM

File

Inoubli et al EGC2020.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : hal-02540571, version 1

Citation

Wissem Inoubli, Sabeur Aridhi, Haithem Mezni, Mondher Maddouri, Engelbert Nguifo. Un algorithme distribué pour le clustering de grands graphes. 20ème édition de la conférence francophone "Extraction et gestion des connaissances", Jan 2020, Bruxelles, Belgique. ⟨hal-02540571⟩

Share

Metrics

Record views

60

Files downloads

237