Clustering Tensoriel Hiérarchique pour la Représentation de Graphes Multiples

Le clustering de graphes (ou regroupement de noeuds en communautés) est une tâche complexe, en particulier lorsqu'il existe une structure hiérarchique. La disponibilité de plusieurs graphes (ou graphes relationnels), dans un contexte de multi-graphe, offre des informations supplémentaires pouvant être exploitées pour améliorer les résultats du clustering. Cet article vise à développer un nouvel algorithme de clustering hiérarchique pour multi-graphes, appelé HTGM. L'algorithme représente l'ensemble des graphes du multi-graphe sous la forme d'un tenseur tridimensionnel (3-way tensor) et maximise une mesure de modularité, étendant ainsi les approches classiques de clustering fondées sur la modularité aux multi-graphes et structures tensorielles. Nous avons évalué l'algorithme proposé sur des jeux de données synthétiques et réels, les résultes obtenus démontrent l'efficacité du modèle comparé à d'autres algorithmes de clustering.