Extraction du Backbone du Réseau de Transport Aérien : Une Analyse Comparative - Université de Bourgogne Accéder directement au contenu
Communication Dans Un Congrès Année : 2024

Extraction du Backbone du Réseau de Transport Aérien : Une Analyse Comparative

Résumé

Large-scale data collections from biological, social, and technological fields make it challenging to process large networks. Backbone techniques aim at reducing the network size while preserving its essence. We compare prominent statistical methods in the air transportation network. The correlation analysis between the various backbones shows that the Marginal Likelihood Filter (MLF), the Locally Adaptive Network Sparsification Filter (LANS) and the Disparity Filter favor high-weighted edges. Comparing the extracted structures using the size of the largest component, the number of nodes, edges and the total edge weight shows that the MLF and Noise Corrected Filter tend to preserve many edges. In contrast, the Disparity Filter, the Polya Urn Filter, the LANS Filter and the Global Statistical Significance Filter (GloSS) are quite aggressive in filtering edges. These results can guide users in choosing appropriate techniques for their specific applications.
Le développement des outils de collecte de données à grande échelle provenant des domaines biologiques, sociaux et technologiques élargit le défi de la visualisation et du traitement des grands graphes de terrain. De nombreuses techniques d’extraction visent à réduire la taille du réseau tout en préservant son essence. Dans cette étude de cas sur le transport aérien, nous réalisons une com- paraison expérimentale de sept principales méthodes statistiques. L’analyse des corrélations entre les "backbone" extrait par les différentes méthodes montre que le Marginal Likelihood Filter (MLF), le Locally Adaptive Network Sparsifica- tion Filter (LANS) et le Disparity Filter sont biaisés en faveur des arêtes à forte pondération. Nous comparons les structures extraites en utilisant quatre indica- teurs : la taille de la plus grande composante, le nombre de nœuds, d’arêtes et le poids total des arêtes. Les résultats montrent que les techniques basées sur un modèle de distribution binomiale (MLF et Noise Corrected Filter) ont tendance à conserver de nombreuses arêtes. En revanche, le Filtre de Disparité, le Filtre de l’Urne de Polya, le Filtre LANS et le Global Statistical Significance Filter (GloSS) sont assez agressifs pour filtrer les arêtes. Le ECM Filter se situe entre ces deux comportements. Ces résultats peuvent guider les utilisateurs dans le choix des techniques appropriées pour leurs applications spécifiques.
Fichier principal
Vignette du fichier
EGC_2024Ali.pdf (1.59 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04506166 , version 1 (22-03-2024)

Identifiants

  • HAL Id : hal-04506166 , version 1

Citer

Ali Yassin, Hocine Cherifi, Hamida Seba, Olivier Togni. Extraction du Backbone du Réseau de Transport Aérien : Une Analyse Comparative. Extraction et Gestion des Connaissances 2024 (EGC 2024), EGC, Jan 2024, Dijon, France. pp.393-400. ⟨hal-04506166⟩
1 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More