Laboratoire de Génie Informatique et d’Automatique de l’Artois

Sabrine MALLEK

Doctorant
(Statut lors de son départ du LGI2A)
Travaille dans les thèmes :

Revue Internationale avec Comité de Lecture

2019
Revue Internationale avec Comité de Lecture
Sabrine MALLEK -- Imen BOUKHRIS -- Zied ELOUEDI -- Eric LEFEVRE
Evidential link prediction in social networks based on structural and social information
Journal of Computational Science, pp 98-107, Vol. 30, 01/2019

Conférence Internationale avec Comité de Lecture

2018
Conférence Internationale avec Comité de Lecture
Sabrine MALLEK -- Imen BOUKHRIS -- Zied ELOUEDI -- Eric LEFEVRE
Evidential Multi-relational Link Prediction Based on Social Content
24th International Symposium on Methodologies for Intelligent Systems, ISMIS 2018, pp 333-343, 10/2018
Sabrine MALLEK -- Imen BOUKHRIS -- Zied ELOUEDI -- Eric LEFEVRE
Evidential k-NN for link prediction
40th European Conference on Symbolic and Quantitative Approaches to Reasoning with Uncertainty, ECSQARU'2017, pp 190-200, 07/2017
Sabrine MALLEK -- Imen BOUKHRIS -- Zied ELOUEDI -- Eric LEFEVRE
Evidential link prediction in uncertain social networks based on node attributes
30th International Conference on Industrial, Engineering other Applications of Applied Intelligent Systems, IEA/AIE’2017, pp 595-601, 06/2017
Sabrine MALLEK -- Imen BOUKHRIS -- Zied ELOUEDI -- Eric LEFEVRE
An evidential method for multi-relational link prediction in uncertain social network
5th international symposium on Integrated Uncertainty in Knowledge Modelling and Decision Making, IUKM'2016, pp 280-292, 11/2016
Sabrine MALLEK -- Imen BOUKHRIS -- Zied ELOUEDI -- Eric LEFEVRE
Evidential Missing Link Prediction in Uncertain Social Networks
16th International Conference on Information Processing and Management of Uncertainty in Knowledge-Based Systems, IPMU 2016, pp 274-285, Vol. 1, Springer, CCIS, 07/2016
2015
Conférence Internationale avec Comité de Lecture
Sabrine MALLEK -- Imen BOUKHRIS -- Zied ELOUEDI -- Eric LEFEVRE
Evidential Link Prediction Based on Group Information
3rd International Conference on Mining Intelligence and Knowledge Exploration, MIKE 2015, pp 482-492, 12/2015
2015
Conférence Internationale avec Comité de Lecture
Sabrine MALLEK -- Imen BOUKHRIS -- Zied ELOUEDI -- Eric LEFEVRE
The Link Prediction Problem Under a Belief Function Framework
27th IEEE International Conference on Tools with Artificial Intelligence, ICTAI 2015, Vol. 1014-1020, 11/2015

Conférence Nationale avec Comité de Lecture

2015
Conférence Nationale avec Comité de Lecture
Sabrine MALLEK -- Zied ELOUEDI -- Eric LEFEVRE
Prédiction des liens dans les réseaux sociaux dans le cadre de la thèorie des fonctions de croyance
Actes des 24e rencontres Francophones sur la Logique Floue et ses Applications, LFA 2015, pp 97-104, 11/2015

Auteur de la thèse intitulée "Analyse des réseaux sociaux dans le cadre des fonctions de croyance"

2016 - 2018

Le contexte général de la thèse concerne les réseaux sociaux et leur analyse dans le cadre incertain. En effet, ce sont de très grands systèmes permettant de représenter les interactions sociales entre les d’individus. L’analyse des réseaux sociaux est une collection de méthodes spécialement conçues pour examiner les aspects relationnels des structures sociales. La plupart des techniques existantes sont conçues pour faire face aux réseaux sociaux dans un cadre certain, elles supposent des liens avec des relations binaires. Néanmoins, la structure de ces réseaux repose sur la nature précise des données. Celles-ci sont sujettes à des erreurs d’observations, et sont souvent incomplètes et bruitées ce qui affecte les résultats d’analyse. La théorie des fonctions de croyance est un cadre attrayant pour le raisonnement sous incertitude qui permet de représenter, quantifier et gérer les informations imparfaites. L’objectif principal de cette thèse est de concevoir des modèles et méthodes permettant de traiter les problèmes d’analyse des réseaux sociaux (par exemple le problème de prédiction de liens) qui prennent en compte l’incertitude qui caractérise les données des réseaux sociaux.