Graphes géants creux : comment définir le centre du Web

Magazine
Marque
MISC
HS n°
Numéro
18
Mois de parution
novembre 2018
Spécialité(s)


Résumé

Les graphes, composés de sommets et d’arêtes sont des objets communs en mathématiques (et indispensables) en informatique. Lorsqu’on veut manipuler des graphes de plusieurs centaines de millions de sommets, voire de plusieurs milliards de sommets, comme le graphe du web (ou un sous-ensemble) ou le graphe de certains réseaux sociaux, les choses se compliquent singulièrement : la plupart des algorithmes « académiques » se heurtent au « mur » de la complexité en temps (voire en espace), que nous appellerons le mur du « Big Data ». Tout algorithme dont la complexité est de l’ordre de O(n³) ou même de l’ordre de O(n²) est en fait inutilisable en pratique (ou très coûteux) dès lors que n, le nombre de sommets, dépasse (disons) le milliard. Il faut alors suivre d’autres stratégies. Il faut par exemple accepter de ne pouvoir calculer qu’une approximation même si dans certains cas, cette approximation peut en fait être la valeur exacte.


Cet article se propose de présenter la stratégie dite des « sauts multiples » (multiple sweep) et certaines tactiques développées ces dernières années pour résoudre unproblème classique sur les graphes géants : le calcul du diamètre, du rayon et du centre d’un graphe non orienté. Nous finirons par discuter de la faisabilitéde résoudre le problème du calcul du diamètre, du rayon et du centre d’un célèbre graphe non orienté : le « graphe du web ».

1. Graphes

1.1 Dessine-moi un graphe

Un graphe, au sens mathématique, est une structure composée d'objets (les sommets ou les nœuds) dans laquelle certaines paires d'objets sont « liées » par des arcs (on dit arête dans le cas où ce lien est orienté). Ainsi, lorsque vous regardez un plan de métro, que ce soit à Londres ou à Paris, en fait vous regardez un graphe dont les sommets représentent les stations et les arcs représentent les trajets entre les sommets. Les graphes sont très présents...

Cet article est réservé aux abonnés. Il vous reste 96% à découvrir.
S'abonner à Connect
  • Accédez à tous les contenus de Connect en illimité
  • Découvrez des listes de lecture et des contenus Premium
  • Consultez les nouveaux articles en avant-première
Je m'abonne
Références

[1] C. Magnien, M. Latapy et M. Habib, Fast Computation of Empirically Tight Bounds for the Diameter of Massive Graphs, ACM Journal of Experimental Algorithmics (JEA), 13, 2008. Disponible à https://www-complexnetworks.lip6.fr/~magnien/Publis/17diam/article.pdf

[2] C. Magnien,le code (en C) et des graphes géants : https://www-complexnetworks.lip6.fr/~magnien/Diameter/

[3T. Cormen, C. Leiserson et R. Rivest, Algorithmique - 3ème édition, 2010, Dunod.

[4V. D Blondel, J.-L . Guillaume, R. Lambiotte, E. Lefebvre, Fast unfolding of communities in large networks, Journal of Statistical Mechanics: Theory and Experiment (10), P10008, 2008.

[5] M. Lesk, Diamètre de graphes et qualité de service d’un réseau de données, Revue française d’automatique, d’informatique et de recherche opérationnelle. Recherche opérationnelle, tome 18, n°3 (1984), p. 247-261. Disponible : https://www.rairoro.org/articles/ro/pdf/1984/03/ro1984180302471.pdf

[6] https://www.newcastle.edu.au/__data/assets/pdf_file/0014/22460/06_Automatic-element-reordering-for-finite-element-analysis-with-frontal-solution-schemes.pdf

[7] L. Auroux, M. Burelle et R. Erra, Reordering Graphs For Fun & Profit, ISWAG 2015. Disponible : https://hal.archives-ouvertes.fr/hal-01171295/document

[8] A. Broder, R. Kumar, F. Maghoul, P. Raghavan, S. Rajagopalan, R. Stata, A. Tomkins, J. Wiener, Graph structure in the web, éditeur, 2003. Disponible à : https://www.cis.upenn.edu/~mkearns/teaching/NetworkedLife/broder.pdf

[9] R. Albert, H. Jeong, et A.-L. Barabasi,Diameter of the World Wide Web, Nature 401: 130-131, Sept. 1999.

[10] L. Backstrom, P. Boldi, M. Rosa, J. Ugander et S. Vigna, Four Degrees of Separation, 2012. Disponible à : https://arxiv.org/pdf/1111.4570.pdf

[11] P. Crescenzi, R. Grossi, C. Imbrenda, L. Lanzi, A. Marino, Finding the diameter in real-world graphs: experimentally turning a lower bound into an upper bound, Proc. ESA, LNCS, vol. 6346, 2010, p. 302–313.

[12] P. Crescenzi, R. Grossi, L. Lanzi, A. Marino, On Computing the Diameter of Real-World Directed (Weighted) Graphs, SEA : Experimental Algorithms, p. 99-110, Springer, 2012.

[13] P. Crescenzi, R. Grossi, M. Habib, L. Lanzi, A. Marino, On computing the diameter of real-world undirected graphs, Theoretical Computer Science, 514 pp 84–95, 2013.

[14] T. AkibaYoichi et I. Kawata, An Exact Algorithm for Diameters of Large Real Directed Graphs, SEA : Experimental Algorithms, p. 56-67, Springer, 2015.

[15] F. W. Takes et W. A. Kosters, Computing the Eccentricity Distribution of Large Graphs, Algorithms, 2013, 6, 100-118.

[16] https://neo4j.com/blog/analyzing-panama-papers-neo4j/



Article rédigé par

Par le(s) même(s) auteur(s)

Machine Learning : un (rapide) tour d’horizon

Magazine
Marque
MISC
HS n°
Numéro
18
Mois de parution
novembre 2018
Spécialité(s)
Résumé

Le Machine Learning (ML) qu’on peut traduire par apprentissage automatique ou apprentissage machine (ou encore apprentissage statistique il y a encore quelques années) est catalogué comme une des 10 technologies de rupture par la Technology Review, célèbre revue du MIT. Devenue une expression fétiche il semble qu’aucun domaine ne va y échapper et il était inévitable que la sécurité s’y intéresse, reste à le faire de manière intelligente. Nous nous proposons dans cet article de faire un tour d’horizon des possibilités qu’offre le ML. Cet article devrait vous aider à faire vos premiers pas, à comprendre plus facilement les articles de ce hors-série et enfin, à permettre au lecteur d’évaluer l’intérêt d’une solution de sécurité qui se vante de faire du ML.

Entretien avec Julien Cornebise, expert en Machine Learning

Magazine
Marque
MISC
HS n°
Numéro
18
Mois de parution
novembre 2018
Spécialité(s)
Résumé

Julien Cornebise est un expert francophone du Machine Learning qui a été l’un des premiers chercheurs de DeepMind, entreprise connue pour avoir notamment développé AlphaGo (une IA qui battra les meilleurs joueurs de Go au monde). Il a accepté de répondre à nos questions afin de nous faire découvrir le parcours d’un chercheur en Machine Learning.

Les derniers articles Premiums

Les derniers articles Premium

Brève introduction pratique à ZFS

Magazine
Marque
Contenu Premium
Spécialité(s)
Résumé

Il est grand temps de passer à un système de fichiers plus robuste et performant : ZFS. Avec ses fonctionnalités avancées, il assure une intégrité des données inégalée et simplifie la gestion des volumes de stockage. Il permet aussi de faire des snapshots, des clones, et de la déduplication, il est donc la solution idéale pour les environnements de stockage critiques. Découvrons ensemble pourquoi ZFS est LE choix incontournable pour l'avenir du stockage de données.

Générez votre serveur JEE sur-mesure avec Wildfly Glow

Magazine
Marque
Contenu Premium
Spécialité(s)
Résumé

Et, si, en une ligne de commandes, on pouvait reconstruire son serveur JEE pour qu’il soit configuré, sur mesure, pour les besoins des applications qu’il embarque ? Et si on pouvait aller encore plus loin, en distribuant l’ensemble, assemblé sous la forme d’un jar exécutable ? Et si on pouvait même déployer le tout, automatiquement, sur OpenShift ? Grâce à Wildfly Glow [1], c’est possible ! Tout du moins, pour le serveur JEE open source Wildfly [2]. Démonstration dans cet article.

Les listes de lecture

9 article(s) - ajoutée le 01/07/2020
Vous désirez apprendre le langage Python, mais ne savez pas trop par où commencer ? Cette liste de lecture vous permettra de faire vos premiers pas en découvrant l'écosystème de Python et en écrivant de petits scripts.
11 article(s) - ajoutée le 01/07/2020
La base de tout programme effectuant une tâche un tant soit peu complexe est un algorithme, une méthode permettant de manipuler des données pour obtenir un résultat attendu. Dans cette liste, vous pourrez découvrir quelques spécimens d'algorithmes.
10 article(s) - ajoutée le 01/07/2020
À quoi bon se targuer de posséder des pétaoctets de données si l'on est incapable d'analyser ces dernières ? Cette liste vous aidera à "faire parler" vos données.
Voir les 130 listes de lecture

Abonnez-vous maintenant

et profitez de tous les contenus en illimité

Je découvre les offres

Déjà abonné ? Connectez-vous