Apprentissage des schémas de propagation dans les multi-graphes

Abstract

Nous considerons le probleme de l’etiquetage de noeuds dans un multi-graphe - ou graphe multi-relationnel - dans lequel les noeuds peuvent etre connectes simultanement par differents types de relations. De nombreux problemes se modelisent ainsi, comme par exemple les reseaux sociaux ou bien les bases de donnees bibliographiques. Les relations peuvent etre explicites (par exemple amitie dans un reseau social) ou bien implicite (par exemple des similarites de contenu calculees sur les donnees). Nous proposons ici un algorithme ’apprentissage permettant d’exploiter l’information multi-relationnelle pour la tâche d’etiquetage automatique. Cette methode est capable d’apprendre a combiner de maniere optimale l’influence des differents types de relations sur la propagation des etiquettes entre les noeuds du graphe. Nous decrivons des experiences sur quatre corpus qui montrent la capacite du modele a tirer parti de l’information multi-relationnelle pour des tâches d’etiquetage complexes.