Note ABES Recherche de motifs spatio-temporels fréquents dans un grand graphe via des méthodes d’apprentissage profond Frequent spatiotemporal motif mining in a large graph using deep learning method Extraction de motifs fréquents Graphes spatio-temporels Apprentissage profond Apprentissage par renforcement Frequent Motif Mining Spatiotemporal Graphs Deep Learning Reinforcement Learning 006 Apprentissage profond Les graphes sont essentiels pour représenter des relations complexes dans divers domaines. Cette thèse se concentre sur l’extraction de motifs fréquents dans les graphes spatio-temporels, un défi majeur en raison de la complexité algorithmique. Deux approches innovantes sont proposées : Multi-SPMiner, une adaptation de SPMiner pour multigraphes, utilisant un modèle de réseaux convolutionnels pour graphes, et Deep-QMiner, basé sur l’apprentissage par renforcement profond multi-agents. Ces méthodes, testées sur des données synthétiques et réelles, montrent leur efficacité pour extraire des motifs variés, avec une généralisation robuste entre ensembles de données, validant leur pertinence pour l’analyse de graphes complexes. Graphs are essential tools for representing complex relationships in various fields. This thesis focuses on the extraction of frequent motifs in spatiotemporal graphs, a major challenge due to the algorithmic complexity. Two innovative approaches are proposed: Multi-SPMiner, an adaptation of SPMiner for multigraphs, using a convolutional graph network model, and Deep-QMiner, based on multi-agent deep reinforcement learning. These methods, tested on synthetic and real-world data, demonstrate their effectiveness in extracting diverse motifs, with robust generalization across datasets, validating their relevance for analyzing complex graphs. Electronic Thesis or Dissertation Text fr PDF 17172096 https://publication-theses.unistra.fr/public/theses_doctorat/2024/ZEGHINA_Assaad_2024_ED269.pdf http://www.theses.fr/2024STRAD053/abes https://theses.hal.science/tel-04985098 https://theses.hal.science/tel-04985098 https://theses.hal.science/tel-04985098 Zeghina Assaad Oussama 1997-05-25 FR 278408281 203313421DE 22123696 4200018 https://theses.fr/2024STRAD053 2024STRAD053 https://doi.org/10.70675/ccf08f1bz590ez441fz91ebz1cc9ee2d3744 2024-12-06 Informatique Strasbourg 131056549 Doctorat Docteur es non oui Le Ber Florence MADS_DIRECTEUR_DE_THESE_1 113466404 Vacavant Antoine MADS_DIRECTEUR_DE_THESE_2 139077197 Solnon Christine MADS_PRESIDENT_DU_JURY 128200391 Leborgne Aurélie MADS_MEMBRE_DU_JURY_1 220421870 Claramunt Christophe MADS_RAPPORTEUR_1 060909102 Ienco Dino MADS_RAPPORTEUR_2 172688183 École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) MADS_ECOLE_DOCTORALE_1 269 156504863 Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....) MADS_PARTENAIRE_DE_RECHERCHE_1 260728 176969721 ddc:004 Le Ber Florence Vacavant Antoine Solnon Christine Leborgne Aurélie Claramunt Christophe Ienco Dino École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....) PDF 17172096