ANR HYGRAPH (ANR HYGRAPH)

HyGraph : Requêtage et Analytique pour les Graphes Hybrides.

Les graphes sont des structures de données à la fois simples et particulièrement expressives, permettant de modéliser et d’analyser des relations entre des entités du monde réel. Comme la structure et le contenu des graphes évoluent sans cesse, e.g., dans les réseaux sociaux ou les réseaux de transport et de mobilités, de nouveaux modèles de données et mécanismes d’analyse sont nécessaires. En particulier, la fusion de graphes temporels avec des séries temporelles, et la fréquence de mise à jour des flots de liens (graph streams) est un challenge important qui, jusqu’à présent, n’est que partiellement possible par l’utilisation de modèles et systèmes d’analyse séparés. Notre objectif est de développer un nouveau modèle de données hybride appelé HyGraph, capable de combiner de manière transparente les graphes temporels avec les séries temporelles et de permettre des mises à jour à haute fréquence à travers des flots de liens. Ce modèle hybride unifié ouvre la voie à de nouvelles possibilités en termes de requêtes, d’analyse, de fouille de données et d’apprentissage automatique. À l’aide des opérateurs prévus par le projet, requêtes et analyses peuvent être exécutées sur des graphes hybrides, ainsi que des algorithmes de fouille de données tels que la détection de patterns ou le clustering, permises par la concaténation d’opérateurs. Un prototype d’implémentation du système démontrera l’applicabilité de ces concepts en utilisant deux cas d’application du domaine de la micro-mobilité et de la détection d’intrusion.