Classification non supervisée de graphes orientés : faut-il distinguer les nœuds origines des nœuds terminaux ?

Abstract

Lors de la classification non supervisée des n\oe uds d'un graphe, une partition unique des n\oe uds est généralement construite, que le graphe soit orienté ou non. Bien que ce choix soit pertinent pour les graphes non orientés, il devrait être discuté pour les graphes orientés car il implique qu'aucune différence n'est faite entre les clusters de n\oe uds source et cible.  Nous examinons cette question dans le contexte des modèles de clustering probabilistes à variables latentes et comparons l'utilisation du modèle de blocs stochastiques (SBM) et du modèle de blocs latents (LBM). Nous analysons et discutons cette comparaison à travers des jeux de données simulées et réelles.